from_scipy_sparse_array#
- from_scipy_sparse_array(A, parallel_edges=False, create_using=None, edge_attribute='weight')[源代码]#
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}})