我从222 x 222节点大小的加权邻接矩阵创建图。矩阵中给出的所有权重均为0.42757498546089029
和1.6671726002927263
之间的浮点数。 nx.minimum_spanning_tree(G, weight = "weight")
方法给了我下面的第一张图片,同时如果我乘以所有矩阵值100.0
同样的方法给了我第二张图片。在与igraph
一样绘图时不会发生这种情况。 Networkx
的文档没有提到精确性问题。你知道它为什么会发生吗? Networkx最小生成树 - 精度问题?
networkx代码:
G=nx.from_numpy_matrix(M)
G1=nx.minimum_spanning_tree(G, weight = "weight")
labels = {i : node_names[i][1] for i in G1.nodes()}
colors = {i : node_attributes[labels[i]] for i in G1.nodes()}
for i in G1.nodes():
G1.node[i]["color"] = 'white'
G1.node[i]["style"] = "filled"
G1.node[i]["fillcolor"] = colors[i]
color=nx.get_node_attributes(G1,'color')
fillcolor=nx.get_node_attributes(G1,'fillcolor')
H=nx.relabel_nodes(G1,labels)
nx.draw(H, scale=30, nodelist=H.nodes(), linewidths=0, with_labels = True, node_size=500,font_size=8)
的igraph代码:
g = igraph.Graph.Weighted_Adjacency(M.tolist())
for i, v in enumerate(g.vs):
v["color"] = colors[i]
v["label"] = labels[i]
v["frame_color"] = colors[i]
v["label_size"] = 10
v["size"] = 26
G = g.spanning_tree(weights='weight', return_tree=True)
G.to_undirected()
igraph.plot(G, labels=False, bbox = (900, 900), margin=40, loops=False
)
这些算法使用Python浮点数并继承这些操作的精度(根据https://docs.python.org/3/tutorial/floatingpoint.html,浮点数为53位) – Aric
也许你可以发表一个例子所以我们可以看到问题是什么? – Aric
你确定树木不同吗?我相信只有布局不同,但拓扑结构是相同的,至少乍一看。 – DyZ