igraph.bipartite - python-igraph 文档

模块文档

未文档化

函数	`_bipartite_projection`	将二部图投影到两个单模图中。投影时忽略边的方向。
函数	`_bipartite_projection_size`	根据指定的顶点类型，计算此图的二部投影中的顶点和边数量。如果您有一个二部图并且想估算计算投影本身所需的内存量，这将非常有用。
函数	`_maximum_bipartite_matching`	在二部图中寻找最大匹配。

def _bipartite_projection(graph, types='type', multiplicity=True, probe1=-1, which='both'): (源代码) ¶

将二部图投影到两个单模图中。投影时忽略边的方向。

示例

>>> g = Graph.Full_Bipartite(10, 5)
>>> g1, g2 = g.bipartite_projection()
>>> g1.isomorphic(Graph.Full(10))
True
>>> g2.isomorphic(Graph.Full(5))
True

参数
graph	未文档化
types	一个包含顶点类型的 igraph 向量，或一个属性名称。任何求值为`False`都对应于第一种类型的顶点，其他所有值则对应于第二种类型的顶点。
multiplicity	如果`True`，则 igraph 会在投影中的边上保留其重数，存储在一个名为`"weight"`的边属性中。例如，如果二部图中存在 A-C-B 和 A-D-B 三元组，并且除了 X=B 和 X=D 之外没有其他 X 使得 A-X-B 三元组在二部图中存在，那么投影中 A-B 边的重数将为 2。
probe1	此参数可用于指定结果列表中投影的顺序。如果给定且为非负数，则将其视为顶点 ID；包含该顶点的投影将是结果中的第一个。
which	此参数可用于指定在只需要其中一个投影时应返回哪个投影。在此处传入 0 意味着只返回第一个投影，而传入 1 意味着只返回第二个投影。（请注意，我们使用 0 和 1 是因为 Python 索引是基于零的）。`False`等价于 0，而`True`等价于 1。任何其他值意味着两个投影都将以元组形式返回。

返回
一个包含两个投影单模图的元组，如果`which`不为 1 或 2，或者由`which`参数指定的投影单模图（如果其值为 0, 1,）。`False`或`True`.

def _bipartite_projection_size(graph, types='type', *args, **kwds): (源代码) ¶

根据指定的顶点类型，计算此图的二部投影中的顶点和边数量。如果您有一个二部图并且想估算计算投影本身所需的内存量，这将非常有用。

参数
graph	未文档化
types	一个包含顶点类型的 igraph 向量，或一个属性名称。任何求值为`False`都对应于第一种类型的顶点，其他所有值则对应于第二种类型的顶点。
*args	未文档化
**kwds	未文档化

返回
一个包含第一个投影中顶点和边数量，以及第二个投影中顶点和边数量的 4 元组。

def _maximum_bipartite_matching(graph, types='type', weights=None, eps=None): (源代码) ¶

在二部图中寻找最大匹配。

最大匹配是一组边，其中每个顶点最多与一条匹配边相邻，且集合中此类边的数量（或权重）尽可能大。

参数
graph	未文档化
types	列表中的顶点类型或包含顶点类型的顶点属性名称。类型应由零和一（或`False`和`True`）表示二部图的两侧。如果省略，则默认为`type`，这是二部图的默认顶点类型属性。
weights	要使用的边权重。可以是序列、可迭代对象，甚至是边属性名称。
eps	在加权二部图匹配算法中用于相等性测试的一个小实数。如果两个实数之间的差值小于此值，则在算法中认为它们相等。这对于避免数值误差的累积是必需的。如果您在此处传递`None`，igraph 将尝试自动确定一个合适的值。

返回
一个 `Matching` 实例。