将社区结构（列表）转换为邻接表

Question

给定社区结构（列表列表）：

[[A,B,C], [B,D,E,G], [A,C,F,H],[F,K, H]]

并假设每条边的权重为 1，在子组内是无向的。

我想通过对每个人应用广度/深度优先搜索来找到最有影响力的人，他与 G、F（边的最小和）有最短的联系。

广度优先搜索的通用代码如下：

def bfs_paths(graph, start, goal):
    queue = [(start, [start])]
    while queue:
        (vertex, path) = queue.pop(0)
        for next in graph[vertex] - set(path):
            if next == goal:
                yield path + [next]
            else:
                queue.append((next, path + [next]))

问题是 'graph' 应该表示为邻接表。例如：

graph = {'A': set(['B', 'C', 'F', 'H']),
         'B': set(['D', 'E','G']),
         'C': set(['A', 'F', 'H']),
         'D': set(['B', 'E', 'G' ]),
         'E': set(['B', 'D', 'G' ]),
         'F': set(['K', 'H']),
         'G': set(['B', 'D', 'E'])
         'H': set(['K', 'F']}

主要问题：如何将社区结构（列表）转换为邻接表？

附带问题：还有其他合适的算法吗？

Edit1：我试过按照这个。但我坚持改进代码以满足预期结果

Answer 1

这样可能会得到想要的结果

A1=[['A','B','C'], ['B','D','E','G'], ['A','C','F','H'],['F','K', 'H']]
dict1={}
for l in A1:
    for i in l:
        dict1[i]=[]

for i in dict1:

        index=100
        for j in A1:
            try:

                if j.index(i)<index:
                    index=j.index(i)
                    dict1[i]=[]
                    for k in j:
                        if k!=i:
                            dict1[i].append(k)
            except:
                pass

Answer 2

假设所有社区都完全连接，您可以通过迭代组并使用 setdefault 在需要的地方创建新条目并添加节点来相当快速地转换为邻接列表：

community = [['A','B','C'], ['B','D','E','G'], ['A','C','F','H'],['F','K','H']]

adj_list = {}

for group in community:
    for member in group:
        adj_list.setdefault(member, set()).update((set(group) - {member}))

adj_list 将是：

{'A': {'B', 'C', 'F', 'H'},
 'B': {'A', 'C', 'D', 'E', 'G'},
 'C': {'A', 'B', 'F', 'H'},
 'D': {'B', 'E', 'G'},
 'E': {'B', 'D', 'G'},
 'G': {'B', 'D', 'E'},
 'F': {'A', 'C', 'H', 'K'},
 'H': {'A', 'C', 'F', 'K'},
 'K': {'F', 'H'}}

另一种方法是使用 defaultdict(set)，然后您只需对其进行索引并以类似方式进行更新即可。

将社区结构（列表）转换为邻接表

Convert community structure (list) to adjacency list

python

algorithm

data-structures

depth-first-search

breadth-first-search