igraph.sparse_matrix

模块文档
（源代码）

Python 级别稀疏矩阵操作的实现。

函数 _convert_mode_argument 未文档化
函数 _graph_from_sparse_matrix 从稀疏矩阵构建图，无权重。
函数 _graph_from_weighted_sparse_matrix 从稀疏矩阵构建图，有权重
函数 _maybe_halve_diagonal 将给定 SciPy 稀疏矩阵（COO 模式）对角线上的所有元素减半，当且仅当给定条件为 True 时。
常量 _SUPPORTED_MODES 未文档化
def _convert_mode_argument(mode): (来源)

未文档化

def _graph_from_sparse_matrix(klass, matrix, mode='directed', loops='once'): (来源)

从稀疏矩阵构建图，无权重。

@param loops: 指定矩阵对角线的处理方式

  • C{"ignore"} - 忽略对角线上的自循环边
  • C{"once"} - 将对角线项视为自循环边的计数
  • C{"twice"} - 将对角线项视为自循环边数量的I{两倍}
def _graph_from_weighted_sparse_matrix(klass, matrix, mode=ADJ_DIRECTED, attr='weight', loops='once'): (来源)

从稀疏矩阵构建图，有权重

注意：当然，无法用单个邻接矩阵表示完全通用的加权多重图，因此我们在此处也不尝试这样做。

@param loops: 指定如何处理自循环边。当 C{False} 或
C{"ignore"} 时，邻接矩阵的对角线将被忽略。当 C{True} 或 C{"once"} 时，对角线被假定包含对应自循环边的权重。当 C{"twice"} 时，对角线被假定包含对应自循环边权重的I{两倍}。
def _maybe_halve_diagonal(m, condition): (来源)

将给定 SciPy 稀疏矩阵（COO 模式）对角线上的所有元素减半，当且仅当给定条件为 True 时。

返回行、列和数据数组。

_SUPPORTED_MODES: tuple[str, ...] = (来源)

未文档化

值
('directed', 'undirected', 'max', 'min', 'plus', 'lower', 'upper')