NetworkX 1.6#

发布日期：2011年11月20日

亮点#

新增函数，用于查找关节点、生成随机二分图、构建邻接矩阵表示、形成图乘积、计算同配系数、测量子图中心性和可达性、查找 k 团社区以及写入 JSON 格式输出。

新增示例，用于使用 D3 JavaScript 库绘图，以及使用 Cuthill-McKee 算法对矩阵进行排序。

电流介数中心性实现了更高效的内存使用，并新增了电流介数中心性和最短路径介数中心性的近似算法。

简化了使用权重/成本/值的算法中对“weight”属性的处理。

更新了所有代码以兼容 PyPy Python 实现 https://pypy.pythonlang.cn，这在许多算法上可提供更快的性能。

图类#

图类（Graph、DiGraph、MultiGraph、MultiDiGraph）中的 degree* 方法现在接受一个可选的 weight= 关键字参数，允许使用任意（数值）边属性计算加权度。将 weight=None 设置等同于之前的 weighted=False。

加权图算法#

许多“加权”图算法现在接受一个可选参数，用于指定哪个边属性应作为权重（默认为’weight’）（问题单 https://networkx.lanl.gov/trac/ticket/573）

在某些情况下，参数名称从 weighted 更改为 weight。以下是如何在算法中指定将使用哪个边属性：

  • 使用 weight=None 表示所有权重相等（无权情况）

  • 使用 weight=’weight’ 表示使用“weight”边属性

  • 使用 weight=’other’ 表示使用“other”边属性

受影响的算法包括

to_scipy_sparse_matrix, clustering, average_clustering, bipartite.degree, spectral_layout, neighbor_degree, is_isomorphic, betweenness_centrality, betweenness_centrality_subset, vitality, load_centrality, mincost, shortest_path, shortest_path_length, average_shortest_path_length

同构#

节点和边属性现在更容易通过“node_match”和“edge_match”参数合并到同构检查中。作为此更改的一部分，以下类已被移除：

WeightedGraphMatcher
WeightedDiGraphMatcher
WeightedMultiGraphMatcher
WeightedMultiDiGraphMatcher

‘is_isomorphic’ 的函数签名现在简化为

is_isomorphic(g1, g2, node_match=None, edge_match=None)

请参阅其 docstring 获取更多详细信息。为了帮助创建“node_match”和“edge_match”函数，鼓励用户使用

categorical_node_match
categorical_edge_match
categorical_multiedge_match
numerical_node_match
numerical_edge_match
numerical_multiedge_match
generic_node_match
generic_edge_match
generic_multiedge_match

这些函数构建可以传递给“is_isomorphic”的函数。最后，请注意，上述函数未导入到顶层命名空间，应从“networkx.algorithms.isomorphism”访问。文档中将重复出现的有用导入语句是：

import networkx.algorithms.isomorphism as iso

其他#

  • attracting_components

    返回一个列表的列表，而不是一个元组的列表。

  • condensation

    凝聚算法现在接受第二个参数 (scc)，并返回一个节点标记为整数而不是节点元组的图。

  • 度连通性

    average_in_degree_connectivity 和 average_out_degree_connectivity 已被替换为

    average_degree_connectivity(G, source=’in’, target=’in’)

    以及

    average_degree_connectivity(G, source=’out’, target=’out’)

  • 邻居度

    average_neighbor_in_degree 和 average_neighbor_out_degreey 已被替换为

    average_neighbor_degree(G, source=’in’, target=’in’)

    以及

    average_neighbor_degree(G, source=’out’, target=’out’)

本页内容