igraph.clustering

module documentation
(source)

与图聚类相关的类。

函数 _biconnected_components 计算图的双连通组件。
函数 _clusters 已弃用的别名，指向 Graph.connected_components()。
函数 _cohesive_blocks 计算图的凝聚块结构。
函数 _connected_components 计算给定图的（强或弱）连通组件。
函数 _handle_mark_groups_arg_for_clustering 处理聚类绘图方法中的mark_groups=...关键字参数。
函数 _prepare_community_comparison 辅助方法，接受两个社区结构作为成员列表或Clustering的实例，并返回一个元组，其两个元素是成员列表。
def _biconnected_components(graph, return_articulation_points=False): (source)

计算图的双连通组件。

参数
graph未记录
return_articulation_points是否也返回关节点
返回
一个 VertexCover 对象，描述双连通组件，并可选择性地描述关节点列表
def _clusters(graph, mode='strong'): (source)

已弃用的别名，指向 Graph.connected_components()。

def _cohesive_blocks(graph): (source)

计算图的凝聚块结构。

凝聚块是一种基于图顶点的结构凝聚力（即顶点连通性）来确定图顶点层次子集的方法。对于给定的图G，如果不存在顶点连通性大于或等于k的S的超集，则称其顶点子集S是最大k凝聚的。凝聚块是一个过程，通过该过程，给定一个k凝聚的顶点集，递归地识别出l > k的最大l凝聚子集。因此，最终获得了一个顶点子集的层次结构，整个图G位于其根部。

返回
CohesiveBlocks 的一个实例。有关更多信息，请参阅 CohesiveBlocks 的文档。
另请参阅
CohesiveBlocks
def _connected_components(graph, mode='strong'): (source)

计算给定图的（强或弱）连通组件。

参数
graph未记录
mode必须是 "strong" 或 "weak"，取决于所寻找的连接组件。可选，默认为 "strong"。
返回
一个 VertexClustering 对象
def _handle_mark_groups_arg_for_clustering(mark_groups, clustering): (source)

处理聚类绘图方法中的mark_groups=...关键字参数。

这是一个内部方法，您不需要对其进行操作。其目的是处理__plot__方法中VertexClustering和VertexCover实例的mark_groups=...关键字参数的扩展语义，即自动将数字ID解析为集群的特性。

def _prepare_community_comparison(comm1, comm2, remove_none=False): (source)

辅助方法，接受两个社区结构作为成员列表或Clustering的实例，并返回一个元组，其两个元素是成员列表。

这被compare_communities和split_join_distance使用。

参数
comm1第一个社区结构，作为成员列表或作为Clustering对象。
comm2第二个社区结构，作为成员列表或作为Clustering对象。
remove_none是否从成员列表中移除None条目。如果remove_none为False，comm1或comm2中的None条目将导致异常。如果remove_none为True，None值将被过滤掉，只比较剩余的列表。