nx.DiGraph()获取邻接矩阵

`nx.DiGraph()`返回的是一个有向图对象，而不是邻接矩阵。如果你已经有了一个有向图对象，可以使用NetworkX提供的`nx.to_numpy_matrix()`函数将其转换为邻接矩阵。例如：

import networkx as nx

# 创建有向图对象
G = nx.DiGraph()

# 添加节点和边
G.add_edges_from([(1, 2), (2, 3), (3, 1)])

# 将有向图转换为邻接矩阵
adj_matrix = nx.to_numpy_matrix(G)

print(adj_matrix)

这将输出以下邻接矩阵：

[[0. 1. 0.]
 [0. 0. 1.]
 [1. 0. 0.]]

其中，行和列的顺序与节点的索引相对应，矩阵中的值表示是否存在一条从该行对应节点到该列对应节点的有向边，1表示存在，0表示不存在。需要注意的是，这里返回的邻接矩阵是一个numpy矩阵对象。

相关问题

G2 = nx.DiGraph()获取有向图的邻接矩阵

创建有向图对象 `G2` 后，可以使用NetworkX提供的`nx.to_numpy_matrix()`函数将其转换为邻接矩阵。例如：

import networkx as nx

# 创建有向图对象
G2 = nx.DiGraph()

# 添加节点和边
G2.add_edges_from([(1, 2), (2, 3), (3, 4), (4, 2)])

# 将有向图转换为邻接矩阵
adj_matrix = nx.to_numpy_matrix(G2)

print(adj_matrix)

这将输出以下邻接矩阵：

[[0. 1. 0. 0.]
 [0. 0. 1. 0.]
 [0. 0. 0. 1.]
 [0. 1. 0. 0.]]

其中，行和列的顺序与节点的索引相对应，矩阵中的值表示是否存在一条从该行对应节点到该列对应节点的有向边，1表示存在，0表示不存在。需要注意的是，这里返回的邻接矩阵是一个numpy矩阵对象。

V = [1,2,3,4] E = [(1,2),(2,1),(1,3),(2,3),(3,4),(4,3)] G = nx.DiGraph() G.add_edges_from(E)怎么求G的可达矩阵

可以使用 NetworkX 库中的 `floyd_warshall_numpy()` 函数来计算有向图 G 的可达矩阵。具体步骤如下：

1. 将有向图 G 转化为邻接矩阵形式；
2. 使用 `floyd_warshall_numpy()` 函数计算邻接矩阵的所有节点间最短路径；
3. 对于每个节点对 (i, j)，如果存在从节点 i 到节点 j 的路径，则将矩阵中对应位置的值设为 1，否则设为 0。

下面是具体的 Python 代码实现：

import numpy as np
import networkx as nx

# 定义有向图 G
V = [1, 2, 3, 4]
E = [(1, 2), (2, 1), (1, 3), (2, 3), (3, 4), (4, 3)]
G = nx.DiGraph()
G.add_edges_from(E)

# 将有向图 G 转化为邻接矩阵形式
A = nx.to_numpy_matrix(G, nodelist=V)

# 使用 floyd_warshall_numpy() 函数计算邻接矩阵的所有节点间最短路径
D = nx.floyd_warshall_numpy(G)

# 对于每个节点对 (i, j)，如果存在从节点 i 到节点 j 的路径，则将矩阵中对应位置的值设为 1，否则设为 0
R = np.zeros_like(A)
for i in range(len(V)):
    for j in range(len(V)):
        if D[i, j] < np.inf:
            R[i, j] = 1

print(R)

输出结果为：

[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [0. 0. 1. 1.]
 [0. 0. 1. 1.]]

其中，矩阵中的第 i 行第 j 列表示节点 i 是否可以到达节点 j。因此，上述结果表示：

- 节点 1 可以到达所有节点；
- 节点 2 可以到达所有节点；
- 节点 3 可以到达节点 3 和 4；
- 节点 4 可以到达节点 3 和 4。