如何使用 networkx + python 枚举图中的所有 *maximal* 集团？答案

【问题标题】：How do I enumerate all *maximal* cliques in a graph using networkx + python?如何使用 networkx + python 枚举图中的所有 *maximal* 集团？
【发布时间】：2019-02-14 03:28:05
【问题描述】：

如果您查看https://en.wikipedia.org/wiki/Clique_problem，您会注意到派系和最大派系之间存在区别。一个最大团不包含在其他团中，而是包含在它自身中。所以我想要那些集团，但networkx似乎只提供：

networkx.algorithms.clique.enumerate_all_cliques(G)

所以我尝试了一个简单的for循环过滤机制（见下文）。

def filter_cliques(self, cliques):
    # TODO: why do we need this?  Post in forum...
    res = []
    for C in cliques:
        C = set(C)
        for D in res:
            if C.issuperset(D) and len(C) != len(D):
                res.remove(D)
                res.append(C)
                break
            elif D.issuperset(C):
                break
        else:
            res.append(C)
    res1 = []
    for C in res:
        for D in res1:
            if C.issuperset(D) and len(C) != len(D):
                res1.remove(D)
                res1.append(C)
            elif D.issuperset(C):
                break
        else:
            res1.append(C)     
    return res1

我想过滤掉所有合适的子集团。但是你可以看到它很糟糕，因为我必须过滤它两次。它不是很优雅。所以，问题是，给定一个对象列表（整数、字符串），它们是图中的节点标签； enumerate_all_cliques(G) 准确返回这个标签列表列表。现在，给定这个列表列表，过滤掉所有正确的子团。比如：

[[a, b, c], [a, b], [b, c, d]] => [[a, b, c], [b, c, d]]

最快的pythonic方法是什么？

【问题讨论】：

标签： python python-3.x algorithm networkx graph-theory

【解决方案1】：

有一个函数：networkx.algorithms.clique.find_cliques，是的，它确实只返回最大派系，尽管名称中没有“最大”。它的运行速度应该比任何过滤方法都要快。

如果您发现名称令人困惑（我愿意），您可以重命名：

from networkx.algorithms.clique import find_cliques as maximal_cliques

【讨论】：