MultiGraph.copy#

MultiGraph.copy(as_view=False)[source]#

返回图的副本。

copy 方法默认返回图及其属性的独立的浅拷贝。也就是说，如果属性是一个容器，该容器将在原始图和副本之间共享。对于新的容器，请使用 Python 的 copy.deepcopy。

如果 as_view 为 True，则返回一个视图而不是副本。

参数:
as_viewbool, 可选 (默认值=False)

如果为 True，返回的图视图提供原始图的只读视图，而不实际复制任何数据。

返回值:
GGraph

图的副本。

另请参阅

to_directed

返回图的有向副本。

注意

所有副本都会复制图的结构，但数据属性的处理方式可能不同。图的副本有四种类型是人们可能需要的。

深拷贝 (Deepcopy) – “深拷贝”复制图的结构以及所有数据属性和它们可能包含的任何对象。整个图对象是新的，因此副本中的更改不会影响原始对象。(参见 Python 的 copy.deepcopy)

数据引用（浅层）(Data Reference (Shallow)) – 对于浅拷贝，图结构被复制，但边、节点和图属性字典是对原始图中对应字典的引用。这节省了时间和内存，但如果你在一个图中更改属性，而导致另一个图中的属性也发生更改，可能会引起混淆。NetworkX 不提供这种级别的浅拷贝。

独立浅拷贝 (Independent Shallow) – 这种拷贝创建新的独立的属性字典，然后对属性进行浅拷贝。也就是说，任何作为容器的属性在新图和原始图之间共享。这与 dict.copy() 提供的一致。您可以使用以下方法获得这种风格的拷贝：

>>> G = nx.path_graph(5)
>>> H = G.copy()
>>> H = G.copy(as_view=False)
>>> H = nx.Graph(G)
>>> H = G.__class__(G)

新数据 (Fresh Data) – 对于新数据，图结构被复制，同时创建新的空数据属性字典。结果图独立于原始图，并且没有边、节点或图属性。不启用新数据拷贝。请改为使用：

>>> H = G.__class__()
>>> H.add_nodes_from(G)
>>> H.add_edges_from(G.edges)

视图 (View) – 受 dict-views 启发，图视图的行为类似于原始图的只读版本，提供了原始结构的副本，而不需要任何内存来复制信息。

有关浅拷贝和深拷贝的更多信息，请参阅 Python copy 模块，https://docs.pythonlang.cn/3/library/copy.html。

示例

>>> G = nx.path_graph(4)  # or DiGraph, MultiGraph, MultiDiGraph, etc
>>> H = G.copy()
在本页上