无向图处理的四个基础模块

源代码：https://github.com/gt11799/undirected_graph_compute

Coursera算法课的本周应用是建立在无向图的处理上的。根据要求，我写了四个处理模块。

def bfs_visited(ugraph, start_node):
    visited = set([start_node])
    tovisit = deque([start_node])
    while tovisit:
        node = tovisit.popleft()
        for item in ugraph[node]:
            if item not in visited:
                visited.add(item)
                tovisit.append(item)                 
    return visited

Breadthfirst search visited。给定无向图（字典形式），和开始的node，把所有的与该node相连的点作为集合返回。deque不算是纯正的队，但是从头部或者尾部取值的效率是O(1)，而列表则是O(n)。又append, appendleft, pop, popleft, extend, extendleft, extend就是对象是列表的时候使用。其他的可以顾名思义，实在是灵活的很。

def cc_visited(ugraph):
    remain_node = ugraph.keys()
    cc_set = []
    while remain_node:
        node = remain_node.pop()
        visited = bfs_visited(ugraph, node)
        cc_set.append(visited)
        remain_node = [item for item in remain_node if item not in visited]
    return cc_set

计算出Connected Components。把相连的node放到一个集合，然后把所有的集合作为一个列表返回。其中计算remain_node的这种形式是我在python核心编程中学到的，
既可以保持代码的简洁易懂，更是保证了高效率。

def largest_cc_size(ugraph):
    cc_set = cc_visited(ugraph)
    try:
        return max([len(item) for item in cc_set])
    except(ValueError):
        return 0

返回相连的node的最大集合的大小，无向图以最大集合的大小去衡量紧密度（在我要做的作业中），这个模块使用了上两个模块。

def compute_resilience(ugraph, attack_order):
    result = [largest_cc_size(ugraph)]
    ugraph_attack = dict(ugraph)
    for item in attack_order:
        ugraph_attack.pop(item)
        for node in ugraph_attack:
            try:
                ugraph_attack[node].remove(item)
            except(KeyError):
                pass
        result.append(largest_cc_size(ugraph_attack))        
    return result

这个是用来计算无向图的适应能力。输入无向图和一个node的列表，返回的列表中，第一个是攻击前的CC-Size, 然后依次移除列表中的node后的CC-Size，注意移除时时叠加的。

从CC-Size的变化可以看出这个node在这个图的重要性。

然后写几个模块测试一下：

def test_bfs():
    for node in UGRAPH10.keys():
        print("start at: %s, bfs-visted: %s" %(node, bfs_visited(UGRAPH10,node)))
        
def test_cc():
    print("cc-visited: %s" %cc_visited(UGRAPH10))
    print("largest-cc-size: %s" %largest_cc_size(UGRAPH10))
    
def test_resilience():
    print("when attack node: %s, the compute_resilience is: %s" \
    %([1,4,5], compute_resilience(UGRAPH10, [1,4,5])))

结果就不贴了。

这些模块可以用来计算网络的结构，网络的受攻击能力，单个结点的重要性。具体应用下周贴出。

——————————————

github主页：https://github.com/gt11799 

E-mail：gting405@163.com