社区#

EgoNet#

cugraph.batched_ego_graphs(G, seeds[, ...])

此函数已弃用。

cugraph.ego_graph(G, n[, radius, center, ...])

计算以节点 n 为中心，给定半径内的邻居组成的导出子图。

图的集成聚类 (ECG)#

cugraph.ecg(input_graph[, min_weight, ...])

计算输入图的图集成聚类 (ECG) 分割。

K-Truss#

cugraph.k_truss(G, k)

返回图在特定 k 值下的 K-Truss 子图。

cugraph.ktruss_subgraph(G, k[, use_weights])

返回图在特定 k 值下的 K-Truss 子图。

Leiden#

cugraph.leiden(G[, max_iter, resolution, ...])

使用 Leiden 算法计算输入图的模块度优化分割

Louvain#

cugraph.louvain(G[, max_level, max_iter, ...])

使用 Louvain 方法计算输入图的模块度优化分割

Louvain (MG)#

cugraph.dask.community.louvain.louvain(...)

使用 Louvain 方法计算输入图的模块度优化分割

谱聚类#

cugraph.analyzeClustering_edge_cut(G, ...[, ...])

计算划分/聚类的边割分数 假设“clustering”是特殊聚类算法调用的结果，包含名为“vertex”和“cluster”的列。

cugraph.analyzeClustering_modularity(G, ...)

计算给定划分/聚类的模块度分数。

cugraph.analyzeClustering_ratio_cut(G, ...)

计算划分/聚类的比例割分数

cugraph.spectralBalancedCutClustering(G, ...)

使用谱平衡割方法计算给定图的聚类/划分。

cugraph.spectralModularityMaximizationClustering(G, ...)

使用谱模块度最大化方法计算给定图的聚类/划分。

子图提取#

cugraph.subgraph(G, vertices)

计算包含指定顶点集的现有图的子图。

三角形计数#

cugraph.triangle_count(G[, start_list])

计算输入图中的三角形（长度为三的环）数量。