scipy.sparse.csgraph.

depth_first_tree#

scipy.sparse.csgraph.depth_first_tree(csgraph, i_start, directed=True)#

返回由深度優先搜尋生成的樹。

請注意，由深度優先搜尋生成的樹並非唯一：它取決於搜尋每個節點子節點的順序。

在版本 0.11.0 中新增。

參數:

csgraph類陣列或稀疏陣列或矩陣: 表示壓縮稀疏圖的 N x N 矩陣。輸入的 csgraph 將被轉換為 csr 格式以進行計算。
i_start整數: 起始節點的索引。
directed布林值，可選: 如果為 True（預設），則對有向圖進行操作：僅沿路徑 csgraph[i, j] 從點 i 移動到點 j。如果為 False，則在無向圖上找到最短路徑：演算法可以沿 csgraph[i, j] 或 csgraph[j, i] 從點 i 進展到點 j。

返回:

cstreecsr 矩陣: 從 csgraph 繪製的深度優先樹的 N x N 有向壓縮稀疏表示，從指定的節點開始。

注意

如果存在多個有效的解決方案，則輸出可能因 SciPy 和 Python 版本而異。

範例

以下範例展示了在一個簡單的四組件圖上計算深度優先樹，從節點 0 開始

 input graph           depth first tree from (0)

     (0)                         (0)
    /   \                           \
   3     8                           8
  /       \                           \
(3)---5---(1)               (3)       (1)
  \       /                   \       /
   6     2                     6     2
    \   /                       \   /
     (2)                         (2)

在壓縮稀疏表示中，解決方案看起來像這樣

>>> from scipy.sparse import csr_array
>>> from scipy.sparse.csgraph import depth_first_tree
>>> X = csr_array([[0, 8, 0, 3],
...                [0, 0, 2, 5],
...                [0, 0, 0, 6],
...                [0, 0, 0, 0]])
>>> Tcsr = depth_first_tree(X, 0, directed=False)
>>> Tcsr.toarray().astype(int)
array([[0, 8, 0, 0],
       [0, 0, 2, 0],
       [0, 0, 0, 6],
       [0, 0, 0, 0]])

請注意，結果圖是一個有向無環圖，它跨越了整個圖。與廣度優先樹不同，如果給定圖包含循環，則給定圖的深度優先樹不是唯一的。如果上述解決方案從連接節點 0 和 3 的邊開始，則結果會有所不同。