在 networkit (python) 中使用 forEdges 迭代器

Question

我仔细阅读了文档，但我仍然不清楚如何使用 G.forEdges()，它被描述为“实验性边缘迭代器接口”。

假设我想降低图表的密度。我有一个排序的权重列表，我想根据它们的权重删除边，直到图形分成两个连通分量。然后，我将选择保持图表连接的最少链接数。我会这样做：

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)

顺便说一句，我从docs 知道有这个边缘迭代器，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？

或者也许是做我想做的事情的另一种想法：因为它是一个巨大的图表（1.25 亿个链接），所以即使我正在处理一个集群，迭代也将永远持续下去。

Answer 1

NetworKit 迭代器接受一个回调函数，所以如果你想迭代边缘（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权重列表中的边，直到图形分成两个连通分量，您还必须更新图形的连通分量，因为 ConnectedComponents 不会自动为您执行此操作（这也可能是迭代需要永远的原因之一）。为了有效地做到这一点，您可以使用 DynConnectedComponents 类（请参阅下面的示例）。在这种情况下，我认为边缘迭代器对你没有多大帮助，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，因此即使您在多核机器上运行它也只会使用一个内核。