假设我有一个无向循环图(UCG)。所有边的权重均为1。因此,该UCG可由邻接矩阵A
表示:
import numpy as np
A = np.array([[0, 1, 1, 1, 1, 0, 1, 1, 0, 0, 1],
[1, 0, 1, 1, 0, 1, 1, 1, 1, 1, 0],
[1, 1, 0, 1, 1, 1, 1, 0, 0, 1, 1],
[1, 1, 1, 0, 1, 1, 0, 1, 1, 0, 1],
[1, 0, 1, 1, 0, 1, 1, 1, 0, 0, 0],
[0, 1, 1, 1, 1, 0, 1, 1, 0, 0, 0],
[1, 1, 1, 0, 1, 1, 0, 1, 0, 0, 0],
[1, 1, 0, 1, 1, 1, 1, 0, 0, 0, 0],
[0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0],
[0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0],
[1, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0]])
为了可视化UCG,我们可以通过
import networkx as nx
ucg = nx.Graph()
rows, cols = np.where(A == 1)
edges = zip(rows.tolist(), cols.tolist())
ucg.add_edges_from(edges)
我用不同的颜色给节点着色,以显示“最小距离”。橙色节点{8, 9, 10}
是起始节点,绿色节点{0, 1, 2, 3}
是到起始节点的最小距离为1的节点,蓝色节点{4, 5, 6, 7}
的最小距离为2。现在我想把它转换成一个有向无环图(DAG),箭头从起始节点指向距离-1节点到距离-2节点,依此类推。具有相同“最小距离”的节点之间的边将被丢弃
预期输出是表示DAG的字典:
d = {8: {1, 3},
9: {1, 2},
10: {0, 2, 3},
0: {4, 6, 7},
1: {5, 6, 7},
2: {4, 5, 6},
3: {4, 5, 7}}
类似地,为了可视化DAG,我们可以通过
dag = nx.DiGraph()
dag.add_edges_from([(k, v) for k, vs in d.items() in for v in vs])
我想编写一个高效的通用代码,将具有给定起始节点的给定UCG转换为相应的DAG
显然,需要递归。我的想法是使用BFS方法找到每个起始节点的1-距离节点,然后是它们的1-距离节点,然后递归继续。所有访问的节点都存储在一个集合prev_starts
中,以避免向后移动。下面是我的代码
from collections import defaultdict
def ucg2dag(A, starts):
"""Takes the adjacency matrix of a UCG and the indices of the
starting nodes, returns the dictionary of a DAG."""
def recur(starts):
starts = list(set(starts))
idxs, nbrs = np.where(A[starts] == 1)
prev_starts.update(starts)
# Filter out the neighbors that are previous starts so the
# arrows do not point backwards
try:
idxs, nbrs = zip(*((idx, nbr) for idx, nbr in zip(idxs, nbrs)
if nbr not in prev_starts))
# Terminate if every neighbor is a previous start.
except:
return d
for idx, nbr in zip(idxs, nbrs):
d[starts[idx]].add(nbr)
return recur(starts=nbrs)
prev_starts = set()
d = defaultdict(set)
return recur(starts)
测试我的代码:
d = ucg2dag(A, starts={8, 9, 10})
print(d)
编辑:由于@trincot的评论,在recur
之前添加了return
之后,我能够获得正确的输出:
defaultdict(<class 'set'>,
{8: {1, 3},
9: {1, 2},
10: {0, 2, 3},
0: {4, 6, 7},
1: {5, 6, 7},
2: {4, 5, 6},
3: {4, 5, 7}})
%timeit 37.6 µs ± 591 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
实际上,我有一个更大的图表。我想知道是否有更有效的算法
您已经对代码应用了一些修复(部分基于注释),因此现在您的代码可以正常工作了
剩下的几句话是:
BFS通常不是递归算法(与DFS相反):您的递归是尾部递归。在这种情况下,可以将其写入循环,这样可以避免使用堆栈
很遗憾,您必须在邻接矩阵中查找边。最好先将邻接矩阵转换为邻接列表,除非图形非常密集
输出也可以是一个邻接列表,每个节点都有一个条目,这样就可以是列表列表而不是字典
使用
zip
重复转换结构可能不是最有效的(尽管我没有进行基准测试)如果不使用numpy,它可能会如下所示:
运行示例:
示例运行的输出:
相关问题 更多 >
编程相关推荐