如何用Vietoris Rips Filtration生成含孔洞特征的数据集Barcode

你的代码只显示0维Barcode的核心原因是：调用create_simplex_tree()时默认仅生成到1维单纯形（边），而要检测孔洞（对应1维同调拓扑特征），需要构造2维单纯形（三角形）来定义孔洞的边界。

修改后的代码 #

import numpy as np
import gudhi
import matplotlib.pyplot as plt

data = np.array([[5.1, 3.5], [4.9, 3], [4.7, 3.2], [4.6, 3.1], [5., 3.6], [5.4, 3.9], [4.6, 3.4], [5., 3.4], [4.4, 2.9], [4.9, 3.1]])

# 创建Vietoris-Rips复形，指定最大单纯形维度为2（支持生成三角形）
rips_complex = gudhi.RipsComplex(points=data)
# 设置max_dimension=2，才能计算1维同调特征（孔洞）
simplex_tree = rips_complex.create_simplex_tree(max_dimension=2)

# 获取全维度的Barcode
barcode = simplex_tree.persistence()

# 绘制Barcode，此时会包含0维（孤立点连接）和1维（孔洞形成/闭合）特征
gudhi.plot_persistence_barcode(barcode)
plt.title("Vietoris-Rips Persistence Barcode (0维和1维)")
plt.show()

# 可选：单独查看1维Barcode（孔洞特征）
one_dim_barcode = simplex_tree.persistence(homology_coeff_field=2, min_persistence=0.0)
gudhi.plot_persistence_barcode(one_dim_barcode, max_intervals=10)
plt.title("1维同调Barcode（孔洞特征）")
plt.show()

关键说明 #

• max_dimension=2：这个参数告诉GUDHI生成到2维单纯形（三角形），只有存在2维单纯形时，才能通过其边界检测出1维孔洞（即被三角形包围的“洞”）。
• 1维Barcode的每个条代表一个孔洞：条的起点是孔洞形成的半径，终点是孔洞被更大的单纯形“填充”（闭合）的半径；如果条的终点是inf，则代表这个孔洞在当前滤过范围内始终存在。

内容的提问来源于stack exchange，提问作者Sofia Ordaz