forEdges 迭代器在 networkit 中的使用 (python)

Question

我仔细阅读了文档，但我仍然不清楚如何使用 G.forEdges()，描述为 "experimental edge iterator interface"。

假设我想降低图表的密度。我有一个排序的权重列表，我想根据权重删除边，直到图形分成两个连接的组件。然后我将 select 保持图形连接的最小链接数。我会做这样的事情：

cc = components.ConnectedComponents(G).run()
while cc.numberOfComponents()==1:
    for weight in weightlist:
        for (u,v) in G.edges():
            if G.weight(u,v)==weight:
                G=G.removeEdge(u,v)

顺便说一下，我从 docs 那里知道有一个边缘迭代器，它可能以更有效的方式进行迭代。但是从文档中我真的无法理解如何正确使用这个 forEdges，而且我在互联网上找不到一个例子。有任何想法吗？

或者可能是一个替代想法来做我想做的事情：因为它是一个巨大的图（1.25 亿个链接）迭代将永远持续下去，即使我在集群上工作也是如此。

Answer 1

NetworKit 迭代器接受一个回调函数，所以如果你想迭代边（或节点），你必须定义一个函数，然后将它作为参数传递给迭代器。您可以找到更多信息 here。例如，一个只打印所有边缘的简单函数是：

# Callback function.
# To iterate over edges it must accept 4 parameters
def myFunction(u, v, weight, edgeId):
    print("Edge from {} to {} has weight {} and id {}".format(u, v, weight, edgeId))

# Using iterator with callback function
G.forEdges(myFunction)

现在，如果您想继续删除权重在您的权重列表中的边，直到图形分成两个连接的组件，您还必须更新图形的连接组件，因为 ConnectedComponents 不会自动为您执行此操作（这可能这也是迭代需要永远进行的原因之一）。要有效地执行此操作，您可以使用 DynConnectedComponents class（请参阅下面的示例）。在这种情况下，我认为边迭代器对你帮助不大，所以我建议你继续使用 for 循环。

from networkit import *

# Efficiently updates connected components after edge updates
cc = components.DynConnectedComponents(G).run()

# Removes edges with weight equals to w until components split
def removeEdges(w):
    for (u, v) in G.edges():
        if G.weight(u, v) == weight:
            G.removeEdge(u, v)
            # Updating connected components
            event = dynamic.GraphEvent(dynamic.GraphEvent.EDGE_REMOVAL, u, v, weight)
            cc.update(event)
            if cc.numberOfComponents() > 1:
                # Components did split
                return True
    # Components did not split
    return False

if cc.numberOfComponents() == 1:
    for weight in weights:
        if removeEdges(weight):
            break

这应该会加快您的原始代码速度。但是，它仍然是顺序代码，因此即使您运行它在 multi-core 机器上，它也只会使用一个核心。

forEdges 迭代器在 networkit 中的使用 (python)

Usage of forEdges iterator in networkit (python)

python

graph

network-analysis

networkit