如何解决在 Python 中将无向循环图 (UCG) 转换为有向无环图 (DAG) 的最快方法?
假设我有一个无向循环图(UCG)。所有边的权重都是1。因此,这个UCG可以用一个邻接矩阵A
来表示:
import numpy as np
A = np.array([[0,1,1],[1,0],[0,0]])
要可视化 UCG,我们可以简单地将其转换为 networkx.Graph
对象
import networkx as nx
ucg = nx.Graph()
rows,cols = np.where(A == 1)
edges = zip(rows.tolist(),cols.tolist())
ucg.add_edges_from(edges)
我用不同的颜色为节点着色,以显示“最小距离”。橙色节点 {8,9,10}
是起始节点,绿色节点 {0,2,3}
是距离起始节点最小距离为 1 的节点,蓝色节点 {4,5,6,7}
距离起始节点的最小距离为2. 现在我想把它转换成一个有向无环图(DAG),箭头指向从起始节点到距离 1 节点再到距离 2 节点等等。丢弃具有相同“最小距离”的节点之间的边。
预期输出是代表 DAG 的字典:
d = {8: {1,3},9: {1,2},10: {0,0: {4,7},1: {5,2: {4,6},3: {4,7}}
同样,为了可视化 DAG,我们可以通过
将其转换为networkx.DiGraph
对象
dag = nx.DiGraph()
dag.add_edges_from([(k,v) for k,vs in d.items() in for v in vs])
预期输出 DAG 如下所示:
我想编写一个高效且通用的代码,将具有给定起始节点的给定 UCG 转换为相应的 DAG。
我尝试过的
显然,需要递归。我的想法是使用 BFS 方法为每个起始节点找到 1-distance 节点,然后是它们的 1-distance 节点,递归继续下去。所有访问过的节点都存储在一个集合 prev_starts
中以避免倒退。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,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={8,10})
print(d)
编辑:由于@trincot 的评论,在 return
之前添加 recur
后,我能够获得正确的输出:
defaultdict(<class 'set'>,{8: {1,7}})
%timeit 37.6 µs ± 591 ns per loop (mean ± std. dev. of 7 runs,10000 loops each)
解决方法
您已对代码应用了一些修复(部分基于注释),因此现在您拥有了可运行的代码。
剩下的几句话是:
-
BFS 通常不是递归算法(与 DFS 相比):您拥有的递归是尾递归的一种情况。在这种情况下,它可以写成一个循环,这样就可以避免使用堆栈。
-
很遗憾你必须在邻接矩阵中查找边。最好先把邻接矩阵转换成邻接表,除非图真的很稠密。
-
输出也可以是一个邻接列表,每个节点都有一个条目,这样它就可以是一个列表而不是字典
-
使用
zip
的结构重复转换可能不是最有效的(虽然我没有进行基准测试)
如果不使用 numpy,它可能看起来像这样:
def ucg2dag(adj_matrix,starts):
adj_list = [
[target for target,is_connected in enumerate(row) if is_connected]
for row in adj_matrix
]
frontier = starts
dag = [[] for _ in range(len(adj_list))]
while frontier:
for source in frontier:
dag[source].extend(target for target in adj_list[source] if not target in starts)
frontier = set(target
for source in frontier for target in adj_list[source] if not target in starts
)
starts.update(frontier)
return dag
示例运行:
adj_matrix = [[0,1,1],[1,0],[0,0]]
dag = ucg2dag(adj_matrix,{8,9,10})
print(dag)
示例运行的输出:
[[4,6,7],[5,[4,5,6],[],3],2],2,3]]
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。