我有一个图表,包含大约35,000个以纯文本表示的节点:
node1 -> node35000
node29420 -> node35000
node2334 -> node4116
...
我想通过删除不属于链的节点至少三个长来减少它。所以,如果我只有
1 -> 2;
2 -> 3;
3 -> 4;
0 -> 4;
我想保留1,2,3和4(因为1 -> 2 -> 3 -> 4
是四个节点长)但丢弃0,即删除0 -> 4
。
有什么好办法吗?我尝试了Perl和shell函数的组合,但我认为我需要一个更好的方法。除非有工具可以做到这一点?数据采用graphviz格式,但我没有看到该套件中的任何工具与手头的任务相关。
哦,如果有一种简单的方法可以做这样的事情我会接受建议 - 它不一定是我建议的任务。我只是想找到一种方法来消除大块周围的大部分噪音(很少见,而且大部分只是几条相交的链条)。
答案 0 :(得分:5)
作为gvpr一部分的工具graphviz tools允许将规则应用于图表并输出修改后的图表。
来自说明:
它将输入图复制到其输出,可能会改变它们的输出 结构和属性,创建新图表,......
看起来你想删除所有具有0的indegree并且只有一个outdegree为0的链接节点(后继者)的节点。
以下是我的gvpr
脚本nostraynodes.gv
的版本:
BEGIN {node_t n; int candidates[]; int keepers[];}
E{
if (tail.indegree == 0 && head.outdegree == 0)
{
candidates[tail] = 1;
candidates[head] = 1;
}
else if (tail.indegree == 0)
{
keepers[tail] = 1;
}
else if (head.outdegree == 0)
{
keepers[head] = 1;
}
}
END_G {
for (candidates[n]){
if (n in keepers == 0)
{
delete(NULL, n);
}
}
}
这是脚本的作用:
遍历所有边一个时间并填充两个列表:
那么什么被添加到哪个列表?
此解决方案不通用,仅适用于问题中所述的问题,即仅保留链长度至少为3个节点。它也不会删除短循环(两个节点相互连接)。
您可以使用以下行来调用它:
gvpr -c -f .\nostraynodes.gv .\graph.dot
使用示例图表的输出是:
digraph g {
1 -> 2;
2 -> 3;
3 -> 4;
}
请注意,这是我的第一个gvpr
脚本 - 可能有更好的方法来编写这个,我不知道它如何处理35000个节点,但我相信这不应该是一个大问题
另请参阅Graphviz/Dot - how to mark all leaves in a tree with a distinctive color?以获得更简单的图转换示例。
答案 1 :(得分:2)
Gephi是一个出色的开源GUI工具,用于可视化和操作图形,你可能会在那里找到某种类型的过滤器...也许一个度过滤器会做:它会删除只有一条边的节点。你也可以过滤度数,度数,你可以计算PageRank等。它也有一些非常好的尺寸/标签/颜色选项,很容易放大/缩小。
答案 2 :(得分:2)
假设任何给定节点可以有任意多个前驱或后继节点,那么节点的内度和外度与解决问题无关。
以下是针对路径长度为3的标准的N个节点和E边缘的所有图形的简单O(N + E)算法。该算法可以在Perl或C中轻松实现。该方法基于定义和断言:将“制造节点”定义为具有父节点和子节点(前导节点和后继节点节点)的任何节点。将保留的每个节点都是一个节点,或者是一个节点的父节点或子节点。
将状态数组S [Nmax]初始化为全零。 Nmax是最大节点数。如果一开始就不知道Nmax,请阅读所有数据并找出它。
读入给定的边缘列表。每个输入项指定从节点p到节点q的有向边(p,q)。对于读入的每个(p,q)项:将S [p]设置为S [p] | 1表示p具有子节点,并将S [q]设置为S [q] | 2表示q有父母。 (在此步骤之后,每个节点n都有S [n] == 3.)
再次阅读边缘列表。对于读入的每个(p,q)项:If(S [p] == 3)或(S [q] == 3)输出边(p,q)。
要将此方法扩展到3以外的路径长度K,请将边列表保留在内存中,使用父链和子链的长度维护Sp []和Sc [],并执行K / 2次额外传递。可能在时间O(N + K * E)做。 该问题没有指定图是否是DAG(有向无环图),但给出的示例是DAG。对于K> 3,它可能会有所不同。
更新1 以下是K> 3算法的更精确的陈述,其中H [i] .p和H [i] .q是边缘#i的端点,并且pc [j] ,cc [j]是关于节点j的前任和后继链的长度。另外,设E =边缘数; N =节点数;和K =保持边缘所需的最小链长。
将E个边缘数据条目读入H []数组。将所有pc [j],cc [j]条目设置为0。
对于i = 1到E,设置cc [H [i] .p] = 1且pc [H [i] .q] = 1.
对于j = 1至K + 1,{i = 1至E,{令p = H [i] .p且q = H [i] .q。设定cc [p] = max(cc [p],1 + cc [q])和pc [q] = max(pc [q],1 + pc [p])。 }
对于i = 1至E,{令p = H [i] .p且q = H [i] .q。输出边沿(p,q),如果pc [p] + cc [p] +1> = K且pc [q] + cc [q] +1> = K.}
如果图形不是DAG并且包含短循环路径,则此方法可能会出错。例如,如果图形边缘包括(1,2)和(2,1)并且没有其他节点链接到节点1或2,则不应输出这些边缘;但是我们最终得到了那些节点的cc []和pc []的K + 2,所以无论如何它们都会得到输出。