Julia 如何删除光照图中的自循环

我不熟悉Julia和LightGraphs，我一直在努力寻找最有效的方法来检测和消除自循环。到目前为止，我找到的唯一方法是迭代Simplegraph中的所有节点，检查它是否有自循环，然后删除它们。有没有更好的方法像在Python NetworkX中使用这种组合：

G.remove\u edges\u from（G.selfloop\u edges（））

我现在的做法是：

path = adrs\to\my\edgeList
G = SimpleGraph(loadgraph(path, GraphIO.EdgeList.EdgeListFormat()))
for node in vertices(G)
   if has_edge(G,node,node)
      rem_edge!(G,node,node)
   end
end

---

这可能是有条件地执行此操作的最佳方法，但您可以调用

rem\u edge！（G，node，node）

不带

has_edge（）

检查-它返回一个bool，指示是否删除了边，以便在没有实际边的情况下安全使用。

您可以通过以下命令找到具有自循环的顶点：

vxs = Iterators.flatten(simplecycles_limited_length(g,1))

要删除它们，只需执行以下操作：

rem_edge!.(Ref(g), vxs, vxs)

---

我在我的解决方案（没有

has_edge（）

，谢谢@sbromberger！）和@Przemyslaw提出的解决方案（看起来很整洁！）之间进行了快速基准测试。从记忆和时间的角度来看，我简单的方法仍然是最有效的方法。我很惊讶地看到

simplecycles\u limited\u length（）

比循环更糟糕，因为该函数似乎是为了这个特定的目的。如果你知道原因，请告诉我

以下是我的基准测试结果（我的_图有22470个节点和170823条边，有179个自循环）：

---

编辑：按要求添加插值基准。

谢谢，这看起来与我所寻找的非常接近，但奇怪的是，与我的简单解决方案相比，它效率不高（请参阅我发布的答案）。你知道这是为什么吗？在我的代码中，你有

flatte

，它进行额外的分配，但保持代码简短。你能用插值进行基准测试吗？作为

@基准s11（$myu图）

和

@基准s12（$myu图）

。当前的基准测试不正确。@AndrejOskin我添加了它们。我还保留了以前的那些作为参考。比较仍然给出相同的结果。但是你能告诉我为什么没有插值的基准测试是错误的吗？在这里你可以找到很好的解释：

using BenchmarkTools


function sl1(G)
    for node in vertices(G)
      rem_edge!(G,node,node)
    end
end

function sl2(G)
    vxs = Iterators.flatten(simplecycles_limited_length(G,1))
    rem_edge!.(Ref(G), vxs, vxs)
end

@benchmark sl1(my_graph)
>>> BenchmarkTools.Trial: 
  memory estimate:  0 bytes
  allocs estimate:  0
  --------------
  minimum time:     554.401 μs (0.00% GC)
  median time:      582.899 μs (0.00% GC)
  mean time:        592.032 μs (0.00% GC)
  maximum time:     1.292 ms (0.00% GC)
  --------------
  samples:          8440
  evals/sample:     1

@benchmark sl1($my_graph)
>>> BenchmarkTools.Trial: 
  memory estimate:  0 bytes
  allocs estimate:  0
  --------------
  minimum time:     555.500 μs (0.00% GC)
  median time:      603.501 μs (0.00% GC)
  mean time:        616.309 μs (0.00% GC)
  maximum time:     1.281 ms (0.00% GC)
  --------------
  samples:          8108
  evals/sample:     1


@benchmark sl2(my_graph)
>>> BenchmarkTools.Trial: 
  memory estimate:  448 bytes
  allocs estimate:  6
  --------------
  minimum time:     792.400 μs (0.00% GC)
  median time:      836.000 μs (0.00% GC)
  mean time:        855.634 μs (0.00% GC)
  maximum time:     1.836 ms (0.00% GC)
  --------------
  samples:          5839
  evals/sample:     1

@benchmark sl2($my_graph)
>>> BenchmarkTools.Trial: 
  memory estimate:  448 bytes
  allocs estimate:  6
  --------------
  minimum time:     795.600 μs (0.00% GC)
  median time:      853.250 μs (0.00% GC)
  mean time:        889.450 μs (0.00% GC)
  maximum time:     2.022 ms (0.00% GC)
  --------------
  samples:          5618
  evals/sample:     1


@btime sl1(my_graph)
>>> 555.999 μs (0 allocations: 0 bytes)
@btime sl1($my_graph)
>>>  564.000 μs (0 allocations: 0 bytes)


@btime sl2(my_graph)
>>> 781.800 μs (6 allocations: 448 bytes)
@btime sl2($my_graph)
>>>  802.200 μs (6 allocations: 448 bytes)