使用Scipy稀疏矩阵（python）

Question

我喜欢在有向邻接矩阵中查找循环。矩阵是稀疏的，在从i-> j的（i，j）有向边处包含1。没有其他边沿，并且没有一个或多个不相交的循环/循环。

最初，我有一个带有定向三角形的三角形网格，并创建了一个邻接矩阵，然后删除了内部边缘（这是通过创建一个无向的对称邻接矩阵来完成的，找到值= 2的内部边缘，然后将它们从有向网格中删除（非符号）adj矩阵）。如果网格是流形的（我之前测试过），则边界边缘将形成单独的边界环。有没有一种有效的方法可以从python的稀疏矩阵中找到所有这些循环？

想法是找到第一个非零列。获取条目索引，然后在该索引处获取列，直到我们再次到达第一个索引。记录条目将完成循环，将数据条目设置为零将从矩阵中删除此循环，然后继续下一个循环。我还考虑过将一列（起始）与矩阵迭代相乘，直到在行（起始）处获得一个条目。

def tria_get_boundary(t):
    import numpy as np
    adj = tria_get_adj(t, directed=False)
    if (np.max(adj.data) > 2):
        raise ValueError('Error: tria not manifold (edges with more than 2 triangles)!')
    if (1 not in adj.data):
        return []  
    # get directed matrix of only boundary edges
    inneredges = (adj==2)
    adj = tria_get_adj(t,directed=True)
    adj[inneredges] = 0
    adj.eliminate_zeros()
    # find loops
    firstcol = np.nonzero(adj.indptr)[0][0]-1
    loops=[]
    while not firstcol == []:
        loop = [firstcol]
        adj.data[adj.indptr[firstcol]] = 0 # visited
        ncol =adj.indices[adj.indptr[firstcol]]
        while not ncol == firstcol:
            loop.append(ncol)
            adj.data[adj.indptr[ncol]] = 0 # visited
            ncol = adj.indices[adj.indptr[ncol]]
        adj.eliminate_zeros()
        loops.append(loop)
        nz = np.nonzero(adj.indptr)[0]
        if len(nz) > 0:
            firstcol = nz[0]-1
        else:
            firstcol=[]
    return loops

这可以更有效地完成（或使用更多的pythonic方法）吗？ 谢谢。