Scipy中connected_components处理给定稀疏矩阵的输出结果原因解析

运行的完整代码如下：

import numpy as np
from scipy.sparse import csr_matrix
from scipy.sparse.csgraph import connected_components

arr = np.array([
   [0, 1, 2],
   [1, 0, 0],
   [2, 0, 0]
])
newarr = csr_matrix(arr)
print(connected_components(newarr))

函数返回值规则 #

connected_components函数用于计算稀疏图的连通分量，返回值为二元组，含义分别为：

• 第一个元素：图中连通分量的总数量
• 第二个元素：长度等于节点总数的数组，每个位置的取值对应对应编号节点所属的连通分量标签，标签从0开始依次分配
  该函数默认将输入视为无向图，只要两个节点之间存在非零边，就会判定为双向连通。

邻接矩阵的图结构 #

输入的邻接矩阵arr对应3个节点（编号为0、1、2）的无向图，矩阵中的非零值代表两个节点之间存在连通边：

• 矩阵第0行第1列、第1行第0列取值为1 → 节点0和节点1直接连通
• 矩阵第0行第2列、第2行第0列取值为2 → 节点0和节点2直接连通
  三个节点通过节点0互相连通，整个图仅存在1个连通分量。

输出结果含义 #

输出(1, array([0, 0, 0], dtype=int32))的对应解释为：

• 第一个返回值1：该图总共有1个连通分量
• 第二个返回的数组：编号为0、1、2的三个节点，均属于标签为0的同一个连通分量

内容的提问来源于stack exchange，提问作者Anamika