from_scipy_sparse_array

from_scipy_sparse_array(A, parallel_edges=False, create_using=None, edge_attribute='weight')

从给定为SciPy稀疏数组的邻接矩阵创建新图形。

参数

A: scipy.sparse array

图的邻接矩阵表示法

parallel_edges布尔值

如果这是真的， create_using 是一个多重图，并且 A 是一个整数矩阵，然后输入 (i、j) 在矩阵中被解释为连接顶点的平行边的数目 i 和 j 在图表中。如果为假，则矩阵中的条目被解释为连接顶点的单边的权重。

create_usingNetworkX图形构造函数，可选(默认=nx.Graph)

要创建的图表类型。如果是图表实例，则在填充之前清除。

edge_attribute: string

存储矩阵数值的边属性的名称。数据将具有与矩阵条目相同的类型(int、浮点数、(实数、图像))。

笔记

对于有向图，明确提到createu using=有向图，并且A的条目i，j对应于从i到j的一条边。

如果 create_using 是 networkx.MultiGraph 或 networkx.MultiDiGraph ， parallel_edges 是真的，并且 A 属于类型 int ，则此函数返回一个多图表（由 create_using ）有平行边缘。在这种情况下， edge_attribute 将被忽略。

如果 create_using 表示一个无向多重图，然后仅表示矩阵上三角所指示的边 A 将添加到图表中。

实例

>>> import scipy as sp
>>> import scipy.sparse  # call as sp.sparse
>>> A = sp.sparse.eye(2, 2, 1)
>>> G = nx.from_scipy_sparse_array(A)

如果 create_using 指示多图表，并且矩阵只有整数项，并且 parallel_edges 如果为false，则条目将被视为连接节点的边的权重（不创建平行边）：

>>> A = sp.sparse.csr_array([[1, 1], [1, 2]])
>>> G = nx.from_scipy_sparse_array(A, create_using=nx.MultiGraph)
>>> G[1][1]
AtlasView({0: {'weight': 2}})

如果 create_using 指示多图表，并且矩阵只有整数项，并且 parallel_edges 如果为真，则条目将被视为连接这两个顶点的平行边数：

>>> A = sp.sparse.csr_array([[1, 1], [1, 2]])
>>> G = nx.from_scipy_sparse_array(
...     A, parallel_edges=True, create_using=nx.MultiGraph
... )
>>> G[1][1]
AtlasView({0: {'weight': 1}, 1: {'weight': 1}})