В основном просто хочу знать, какой хороший способ сделать это в python, я делал это раньше с помощью своего рода грубой силы, также и в python, но это просто не интуитивно понятный способ. Так что, если бы кто-нибудь мог помочь, было бы хорошо.
Как создать матрицу смежности, которая имитирует 2-мерную сетку
Ответы (5)
Для сетки по строкам матрица смежности выглядит так:
- В одном ряду соседние числа образуют две параллельные диагонали. Это занимает субматрицу Столбцы Столбцы, каждая из которых повторяется по диагонали большой матрицы.
- Соседние ряды образуют одну диагональ. Он занимает две диагонали со смещением сразу за пределами субматриц строки.
row 1 row 2 row 3
----- ----- ----- _
A A A 1 . . . . . |
A A A . 1 . . . . | row 1
A A A . . 1 . . . _|
1 . . B B B 1 . . |
. 1 . B B B . 1 . | row 2
. . 1 B B B . . 1 _|
. . . 1 . . C C C |
. . . . 1 . C C C | row 3
. . . . . 1 C C C _|
Подматрицы имеют две диагонали по обе стороны от главной диагонали:
column
1 2 3 4 5 6
- - - - - -
. 1 . . . . 1 column
1 . 1 . . . 2
. 1 . 1 . . 3
. . 1 . 1 . 4
. . . 1 . 1 5
. . . . 1 . 6
def make_matrix(rows, cols):
n = rows*cols
M = matrix(n,n)
for r in xrange(rows):
for c in xrange(cols):
i = r*cols + c
# Two inner diagonals
if c > 0: M[i-1,i] = M[i,i-1] = 1
# Two outer diagonals
if r > 0: M[i-cols,i] = M[i,i-cols] = 1
Для сетки 3 4 матрица выглядит так:
. 1 . . 1 . . . . . . .
1 . 1 . . 1 . . . . . .
. 1 . 1 . . 1 . . . . .
. . 1 . . . . 1 . . . .
1 . . . . 1 . . 1 . . .
. 1 . . 1 . 1 . . 1 . .
. . 1 . . 1 . 1 . . 1 .
. . . 1 . . 1 . . . . 1
. . . . 1 . . . . 1 . .
. . . . . 1 . . 1 . 1 .
. . . . . . 1 . . 1 . 1
. . . . . . . 1 . . 1 .
matrix(r, c)
- это конструктор, который создает r x c
матрицу.
- person Markus Jarderot; 12.08.2013
Хороший способ сделать это - использовать продукт Кронекера, который позволяет быстро построить такую матрицу, как тот, который описывает Маркус Джардерот.
Вот код для решетки с периодическими граничными условиями
import scipy.linalg as la
import numpy as np
offdi = la.circulant([0,1,0,0,1])
I = np.eye(5)
import matplotlib.pyplot as plt
A = np.kron(offdi,I) + np.kron(I,offdi)
plt.matshow(A)
plt.show()
Здесь np.kron(I,offdi)
помещает матрицу offdi
, которая кодирует связность в строке сетки, по диагонали главного блока. Это делается умножением Кронекера на I
. np.kron(offdi,I)
делает обратное: помещает единичную матрицу по диагоналям следующего блока вверх и вниз. Это означает, что узел связан с объектами в своем столбце в непрерывной строке вверх и вниз.
Если вы хотите, чтобы сетка была непериодической и вместо этого имела границы без связей, вы можете использовать конструкцию Теплица вместо циркулянтной: la.toeplitz([0,1,0,0,0])
Я бы начал с создания вручную нескольких матриц смежности для нескольких примеров и посмотрел, появятся ли какие-нибудь (легко программируемые) шаблоны. Матрица смежности зависит от того, как вы маркируете узлы (в каком порядке), поэтому другой порядок может дать шаблон, который легче или сложнее закодировать в генерирующей функции.
Это интересная проблема, и хотя сейчас у меня нет точного ответа, я буду продолжать думать (и, возможно, это может помочь вам или кому-то другому прийти к решению).
PySAL (библиотека пространственного анализа Python) включает функцию для создания матриц смежности -
import pysal
w = pysal.lat2W(2, 2) # make a 2x2 lattice with rook connectivity
# <pysal.weights.weights.W at 0x257aa470128>
Для разреженного представления:
w.neighbors
# {0: [2, 1], 2: [0, 3], 1: [0, 3], 3: [1, 2]}
Для представления полного массива:
w.full()[0]
# array([[0., 1., 1., 0.],
# [1., 0., 0., 1.],
# [1., 0., 0., 1.],
# [0., 1., 1., 0.]])
См. https://pysal.readthedocs.io/en/latest/users/tutorials/weights.html#spatial-weights
Вот чистое решение NumPy, которое, надеюсь, более интуитивно понятно. Уловка состоит в том, чтобы думать об узлах в 2-мерной сетке, рассматривая их координаты x, y, а затем соединять узлы, которые находятся на + -1 x или y от них. Это решение не огибает сетку.
def grid_adj(N: int) -> np.ndarray:
"""Creates a 2D grid adjacency matrix."""
sqN = np.sqrt(N).astype(int) # There will sqN many nodes on x and y
adj = np.zeros((sqN, sqN, sqN, sqN), dtype=bool)
# Take adj to encode (x,y) coordinate to (x,y) coordinate edges
# Let's now connect the nodes
for i in range(sqN):
for j in range(sqN):
# Connect x=i, y=j, to x-1 and x+1, y-1 and y+1
adj[i, j, max((i-1), 0):(i+2), max((j-1), 0):(j+2)] = True
# max is used to avoid negative slicing, and +2 is used because
# slicing does not include last element.
adj = adj.reshape(N, N) # Back to node-to-node shape
# Remove self-connections (optional)
adj ^= np.eye(N, dtype=bool)
return adj
# Visualise
plt.matshow(grid_adj(25))
plt.show()
# Print number of edges
np.flatnonzero(adj).size