circulant_graph

circulant_graph(n, offsets, create_using=None)

返回具有 \(n\) 个节点的 circulant 图 \(Ci_n(x_1, x_2, ..., x_m)\)。

circulant 图 \(Ci_n(x_1, ..., x_m)\) 由 \(n\) 个节点 \(0, ..., n-1\) 组成，其中节点 \(i\) 连接到对于所有 \(x\) 属于 \(x_1, ..., x_m\) 的节点 \((i + x) \mod n\) 和 \((i - x) \mod n\)。因此 \(Ci_n(1)\) 是一个 cycle 图。

(源代码, png)

参数:

n整数

图中的节点数。

offsets整数列表

节点偏移量列表，如上所述，从 \(x_1\) 到 \(x_m\)。

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

要创建的图类型。如果是图实例，则在填充前会清除。

返回:

create_using 类型的 NetworkX 图

示例

许多著名的图族是 circulant 图的子族；例如，要创建 n 个节点的 cycle 图，我们将每个节点连接到两侧的节点（偏移量为正负一）。对于 n = 10，

>>> G = nx.circulant_graph(10, [1])
>>> edges = [
...     (0, 9),
...     (0, 1),
...     (1, 2),
...     (2, 3),
...     (3, 4),
...     (4, 5),
...     (5, 6),
...     (6, 7),
...     (7, 8),
...     (8, 9),
... ]
>>> sorted(edges) == sorted(G.edges())
True

类似地，我们可以使用偏移量集合 [1, 2] 创建包含 5 个节点的 complete 图

>>> G = nx.circulant_graph(5, [1, 2])
>>> edges = [
...     (0, 1),
...     (0, 2),
...     (0, 3),
...     (0, 4),
...     (1, 2),
...     (1, 3),
...     (1, 4),
...     (2, 3),
...     (2, 4),
...     (3, 4),
... ]
>>> sorted(edges) == sorted(G.edges())
True