Python 3.x 理解cuthill-mckee聚类

我试图通过Cuthill McKee减少图的邻接矩阵中的条目的带宽 算法

我有下面的输入图，我可以得到排列顺序

import networkx as nx
import matplotlib.pyplot as plt
from networkx.utils import reverse_cuthill_mckee_ordering, cuthill_mckee_ordering

G = nx.gnm_random_graph(n=30, m=55, seed=1)
nxpos = nx.spring_layout(G, dim=2, iterations=10000)
nx.set_node_attributes(G, nxpos, 'pos')
rcm = list(cuthill_mckee_ordering(G))
        

接下来，我重新标记了原始图的节点

d = OrderedDict(zip(G.nodes(), rcm))
H = nx.relabel_nodes(G, mapping=d)
H_adj = nx.adjacency_matrix(H, nodelist=range(len(H.nodes())))
plt.spy(H_adj)
plt.show()

不幸的是，邻接矩阵

H_adj

不是带状的

另一方面，当我尝试下面的

G_adj_rcm

时，它是带状的

 G_adj_rcm = nx.adjacency_matrix(G, nodelist=rcm)
 plt.spy(G_adj_rcm)
 plt.show()

---

我不确定重新标记是否不正确，或者我是否无法理解算法是如何工作的。澄清一下为什么不加标签会有很大帮助。

你的重新标签是错误的。您需要根据节点在

rcm

中的位置重新标记节点。下面的映射工作正常

import networkx as nx
import matplotlib.pyplot as plt
from networkx.utils import cuthill_mckee_ordering
G = nx.gnm_random_graph(n=30, m=55, seed=1)
rcm = list(cuthill_mckee_ordering(G))

d = {node:rcm.index(node) for node in G}
H = nx.relabel_nodes(G, mapping=d)
H_adj = nx.adjacency_matrix(H,nodelist=range(30))
plt.spy(H_adj)
plt.show()

---

谢谢，我误解了rcm

nodelist=range（30）

是捕获点，与MATLAB不同，Networkx中没有对节点排序。