包索引 • igraph 网络分析库

igraph 选项

igraph_options() igraph_opt(): igraph 包的参数

with_igraph_opt(): 使用临时 igraph 选项设置运行代码

构造

确定性构造函数

connect() ego_size() neighborhood_size() ego() neighborhood() make_ego_graph() make_neighborhood_graph(): 图顶点的邻域

make_(): 创建一个新图

make_bipartite_graph() bipartite_graph(): 创建二分图

make_chordal_ring() chordal_ring(): 创建扩展的弦环图

make_clusters(): 创建一个社团对象。

make_de_bruijn_graph() de_bruijn_graph(): 德布鲁因图

make_empty_graph() empty_graph(): 一个没有边的图

make_from_prufer() from_prufer(): 从其 Prüfer 序列创建一个无向树图

make_full_bipartite_graph() full_bipartite_graph(): 创建一个完全二分图

make_full_citation_graph() full_citation_graph(): 创建一个完整的（完全）引用图

make_full_graph() full_graph(): 创建一个完整图

make_graph() make_directed_graph() make_undirected_graph() directed_graph() undirected_graph(): 从边列表或著名图创建一个 igraph 图

make_kautz_graph() kautz_graph(): 考茨图

make_lattice() lattice(): 创建晶格图

make_line_graph() line_graph(): 图的线图

make_ring() ring(): 创建一个环图

make_star() star(): 创建一个星图，一个具有 n 个顶点和 n - 1 个叶子的树

make_tree() tree(): 创建树图

realize_degseq(): 从给定的度序列确定性地创建一个图

realize_bipartite_degseq() 实验性: 从两个度序列确定性地创建一个二分图

graph_from_atlas() atlas(): 从图谱创建图

graph_from_edgelist() from_edgelist(): 从边列表矩阵创建一个图

graph_from_literal() from_literal(): 通过简单接口创建（小）图

graph_(): 将对象转换为图

graph_from_lcf(): 从 LCF 符号创建图

as_data_frame() graph_from_data_frame() from_data_frame(): 从数据框创建 igraph 图或反之

随机构造函数（随机图模型）

sample_(): 从随机图模型中采样

sample_bipartite() bipartite() 已弃用: 二分随机图

bipartite_gnm() bipartite_gnp() sample_bipartite_gnm() sample_bipartite_gnp(): 二分随机图

sample_chung_lu() chung_lu() 实验性: 具有给定预期度的随机图

sample_correlated_gnp(): 通过随机添加/删除边从给定图生成一个新的随机图

sample_correlated_gnp_pair(): 采样一对相关的 \(G(n,p)\) 随机图

sample_degseq() degseq(): 生成具有给定度序列的随机图

sample_dot_product() dot_product(): 根据随机点积图模型生成随机图

sample_fitness(): 来自顶点适应度分数的随机图

sample_fitness_pl(): 来自顶点适应度分数的无标度随机图

sample_forestfire(): 森林火灾网络模型

sample_gnm() gnm(): 根据 \(G(n,m)\) Erdős-Rényi 模型生成随机图

sample_gnp() gnp(): 根据 \(G(n,p)\) Erdős-Rényi 模型生成随机图

sample_grg() grg(): 几何随机图

sample_growing() growing(): 生长随机图生成

sample_hierarchical_sbm() hierarchical_sbm(): 采样分层随机块模型

sample_islands(): 具有子图的图，每个子图都是一个随机图。

sample_k_regular(): 创建一个随机正则图

sample_last_cit() last_cit() sample_cit_types() cit_types() sample_cit_cit_types() cit_cit_types(): 随机引用图

sample_pa() pa(): 使用优先连接生成随机图

sample_pa_age() pa_age(): 生成具有优先连接和老化的演化随机图

sample_pref() pref() sample_asym_pref() asym_pref(): 基于特征的随机生成

sample_sbm() sbm(): 采样随机块模型

sample_smallworld() smallworld(): Watts-Strogatz 小世界模型

sample_traits_callaway() traits_callaway() sample_traits() traits(): 基于不同顶点类型的图生成

sample_tree(): 随机且均匀地采样树

构造函数修饰符

make_(): 创建一个新图

sample_(): 从随机图模型中采样

simplified(): 构造函数修饰符，用于删除多个和循环边

with_edge_(): 构造函数修饰符，用于添加边属性

with_graph_(): 构造函数修饰符，用于添加图属性

with_vertex_(): 构造函数修饰符，用于添加顶点属性

without_attr(): 构造函数修饰符，用于从图中删除所有属性

without_loops(): 构造函数修饰符，用于删除循环边

without_multiples(): 构造函数修饰符，用于删除多个边

转换为 igraph

as.igraph(): 转换为 igraph

邻接矩阵

graph_from_adjacency_matrix() from_adjacency(): 从邻接矩阵创建图

可视化

add_layout_(): 向图中添加布局

component_wise(): 分量布局

layout_() print(<igraph_layout_spec>) print(<igraph_layout_modifier>): 图布局

layout_as_bipartite() as_bipartite(): 二分图的简单两行布局

layout_as_star() as_star(): 生成坐标以将图的顶点放置在星形中

layout_as_tree() as_tree(): Reingold-Tilford 图布局算法

layout_in_circle() in_circle(): 顶点位于圆上的图布局。

layout_nicely() nicely(): 自动选择合适的图布局算法

layout_on_grid() on_grid(): 简单网格布局

layout_on_sphere() on_sphere(): 顶点位于球体表面的图布局

layout_randomly() randomly(): 将顶点随机放置在平面或 3D 空间中

layout_with_dh() with_dh(): Davidson-Harel 布局算法

layout_with_fr() with_fr(): Fruchterman-Reingold 布局算法

layout_with_gem() with_gem(): GEM 布局算法

layout_with_graphopt() with_graphopt(): graphopt 布局算法

layout_with_kk() with_kk(): Kamada-Kawai 布局算法

layout_with_lgl() with_lgl(): 大型图布局

layout_with_mds() with_mds(): 通过多维缩放进行图布局

layout_with_sugiyama() with_sugiyama(): Sugiyama 图布局生成器

merge_coords() layout_components(): 合并图布局

norm_coords(): 规范化用于绘制图的坐标

normalize(): 规范化布局

layout_with_drl() with_drl(): DrL 图布局生成器

categorical_pal(): 类别的调色板

diverging_pal(): 发散调色板

r_pal(): 默认的 R 调色板

sequential_pal(): 顺序调色板

plot(<igraph>): 图的绘制

rglplot(): 使用 OpenGL 绘制 3D 图

plot.common igraph.plotting: 绘制图

plot_dendrogram(<igraphHRG>): HRG 树状图绘制

plot_dendrogram(): 社团结构树状图绘制

curve_multiple(): 绘制图时的最佳边曲率

shapes() shape_noclip() shape_noplot() add_shape(): 绘制 igraph 图时各种顶点形状

vertex.shape.pie: 在图绘制中使用饼图作为顶点

align_layout(): 对齐顶点布局此函数将顶点布局居中于坐标系原点，并旋转布局以实现与坐标轴在视觉上令人愉悦的对齐。对于诸如 layout_with_fr() 等力导向布局，这样做特别有用。

图着色

greedy_vertex_coloring(): 贪婪顶点着色

用于操作图的函数

add_edges(): 向图添加边

add_vertices(): 向图中添加顶点

complementer(): 图的补图

compose(): 将两个图组合为二元关系

contract(): 将多个顶点收缩为一个顶点

delete_edges(): 从图中删除边

delete_vertices(): 从图中删除顶点

difference(): 两组的差集

difference(<igraph>): 图的差

disjoint_union() `%du%`: 图的不相交并集

edge() edges(): 用于添加和删除边的辅助函数

connect() ego_size() neighborhood_size() ego() neighborhood() make_ego_graph() make_neighborhood_graph(): 图顶点的邻域

`-`(<igraph>): 从图中删除顶点或边

intersection(): 两个或多个集合的交集

intersection(<igraph>): 图的交集

path(): 沿路径添加或删除边的辅助函数

permute(): 排列图的顶点

`+`(<igraph>): 将顶点、边或另一个图添加到图中

rep(<igraph>) `*`(<igraph>): 多次复制图

reverse_edges() t(<igraph>): 反转图中的边

simplify() is_simple() simplify_and_colorize(): 简单图

union(): 两个或多个集合的并集

union(<igraph>): 图的并集

vertex() vertices(): 用于添加和删除顶点的辅助函数

重连函数

each_edge(): 将图的边的端点重连到随机顶点

keeping_degseq(): 在保持度分布的同时重连图

rewire(): 重连图的边

顶点、边和图属性

delete_edge_attr(): 删除边属性

delete_graph_attr(): 删除图属性

delete_vertex_attr(): 删除顶点属性

`edge_attr<-`(): 设置一个或多个边属性

edge_attr(): 查询图的边属性

edge_attr_names(): 列出边属性的名称

`graph_attr<-`(): 设置所有或部分图属性

graph_attr(): 图的图属性

graph_attr_names(): 列出图属性的名称

igraph-attribute-combination attribute.combination: 当图更改时，igraph 函数如何处理属性

`$`(<igraph>) `$<-`(<igraph>): 获取和设置图属性，快捷方式

`[[<-`(<igraph.vs>) `[<-`(<igraph.vs>) `$`(<igraph.vs>) `$<-`(<igraph.vs>) `V<-`(): 查询或设置顶点序列中顶点的属性

set_edge_attr(): 设置边属性

set_graph_attr(): 设置图属性

set_vertex_attr(): 设置顶点属性

set_vertex_attrs(): 设置多个顶点属性

`vertex_attr<-`(): 设置一个或多个顶点属性

vertex_attr(): 查询图的顶点属性

vertex_attr_names(): 列出顶点属性的名称

顶点和边序列

E(): 图的边

V(): 图的顶点

as_ids(): 将顶点或边序列转换为普通向量

`[[<-`(<igraph.es>) `[<-`(<igraph.es>) `$`(<igraph.es>) `$<-`(<igraph.es>) `E<-`(): 查询或设置边序列中边的属性

`[`(<igraph.es>): 索引边序列

`[[`(<igraph.es>): 选择边并显示其元数据

`[[<-`(<igraph.vs>) `[<-`(<igraph.vs>) `$`(<igraph.vs>) `$<-`(<igraph.vs>) `V<-`(): 查询或设置顶点序列中顶点的属性

`[`(<igraph.vs>): 索引顶点序列

`[[`(<igraph.vs>): 选择顶点并显示其元数据

print(<igraph.es>): 将边序列打印到屏幕

print(<igraph.vs>): 在屏幕上显示顶点序列

c(<igraph.es>): 连接边序列

c(<igraph.vs>): 连接顶点序列

difference(<igraph.es>): 边序列的差

difference(<igraph.vs>): 顶点序列的差

intersection(<igraph.es>): 边序列的交集

intersection(<igraph.vs>): 顶点序列的交集

rev(<igraph.es>): 反转边序列中的顺序

rev(<igraph.vs>): 反转顶点序列中的顺序

union(<igraph.es>): 边序列的并集

union(<igraph.vs>): 顶点序列的并集

unique(<igraph.es>): 从边序列中删除重复的边

unique(<igraph.vs>): 从顶点序列中删除重复的顶点

实用程序

图 ID、比较、名称、权重

graph_id(): 获取图的 ID

identical_graphs(): 确定两个图是否相同

is_igraph(): 此对象是 igraph 图吗？

is_named(): 命名图

is_weighted(): 加权图

is_chordal(): 图的弦性

转换

as.matrix(<igraph>): 将 igraph 对象转换为邻接矩阵或边列表矩阵

as_adj_list() as_adj_edge_list(): 邻接列表

as_adjacency_matrix(): 将图转换为邻接矩阵

as_biadjacency_matrix(): 二分图的二分邻接矩阵

as_directed() as_undirected(): 在有向图和无向图之间转换

as_edgelist(): 将图转换为边列表

as_graphnel(): 将 igraph 图转换为 graph 包中的 graphNEL 对象

as_long_data_frame(): 将图转换为长数据框

graph_from_adj_list(): 从邻接列表创建图

as_data_frame() graph_from_data_frame() from_data_frame(): 从数据框创建 igraph 图或反之

graph_from_graphnel(): 将 graph 包中的 graphNEL 对象转换为 igraph

Env 和数据

dot-data .data dot-env .env: .data 和 .env 代词

打印

head_print(): 仅打印 R 对象的头部

indent_print(): 缩进打印输出

print(<igraph>) summary(<igraph>): 将图打印到终端

is_printer_callback(): 这是一个打印机回调吗？

printer_callback(): 创建打印机回调函数

潜在位置向量采样器

sample_dirichlet(): 从狄利克雷分布中采样

sample_sphere_surface(): 从球体表面均匀采样向量

sample_sphere_volume(): 从球体体积均匀采样向量

其他

convex_hull(): 一组顶点的凸包

running_mean(): 时间序列的运行平均值

sample_seq(): 采样随机整数序列

fit_power_law(): 将幂律分布函数拟合到离散数据

结构属性

bfs(): 广度优先搜索

component_distribution() largest_component() components() is_connected() count_components(): 图的连通分量

constraint(): Burt 的约束

coreness(): 图的 K 核分解

degree() max_degree() degree_distribution(): 顶点的度和度分布

dfs(): 深度优先搜索

distance_table() mean_distance() distances() shortest_paths() all_shortest_paths(): 顶点之间的最短（有向或无向）路径

edge_density(): 图密度

connect() ego_size() neighborhood_size() ego() neighborhood() make_ego_graph() make_neighborhood_graph(): 图顶点的邻域

feedback_arc_set(): 在图中查找反馈弧集

feedback_vertex_set() 实验性: 在图中查找反馈顶点集

girth(): 图的围长

is_acyclic(): 无环图

is_dag(): 有向无环图

k_shortest_paths(): 查找两个顶点之间的 \(k\) 条最短路径

knn(): 平均最近邻度

is_matching() is_max_matching() max_bipartite_match(): 匹配

reciprocity(): 图的互反性

subcomponent(): 顶点的内分量或外分量

subgraph() induced_subgraph() subgraph_from_edges(): 图的子图

topo_sort(): 图中顶点的拓扑排序

transitivity(): 图的传递性

unfold_tree(): 将通用图转换为森林

which_multiple() any_multiple() count_multiple() which_loop() any_loop(): 在图中查找多个或循环边

which_mutual(): 在有向图中查找互连边

cocitation() bibcoupling(): 共引用耦合

similarity(): 两个顶点的相似性度量

cohesive_blocks() length(<cohesiveBlocks>) blocks() graphs_from_cohesive_blocks() cohesion(<cohesiveBlocks>) hierarchy() parent() print(<cohesiveBlocks>) summary(<cohesiveBlocks>) plot(<cohesiveBlocks>) plot_hierarchy() export_pajek() max_cohesion(): 计算凝聚块

triangles() count_triangles(): 在图中查找三角形

assortativity() assortativity_nominal() assortativity_degree(): 选型系数

spectrum(): 图的邻接矩阵的特征值和特征向量

矩阵

laplacian_matrix(): 图拉普拉斯算子

as_adjacency_matrix(): 将图转换为邻接矩阵

stochastic_matrix(): 图的随机矩阵

弦图

is_chordal(): 图的弦性

max_cardinality(): 最大基数搜索

三角形和传递性

triangles() count_triangles(): 在图中查找三角形

transitivity(): 图的传递性

路径

all_simple_paths(): 列出从一个源的所有简单路径

diameter() get_diameter() farthest_vertices(): 图的直径

distance_table() mean_distance() distances() shortest_paths() all_shortest_paths(): 顶点之间的最短（有向或无向）路径

eccentricity(): 图中顶点的离心率

graph_center() 实验性: 图的中心顶点

radius(): 图的半径

二分图

bipartite_mapping(): 确定图是否为二分图

bipartite_projection() bipartite_projection_size(): 投影二分图

is_bipartite(): 检查图是否具有名为 type 的顶点属性。

make_bipartite_graph() bipartite_graph(): 创建二分图

graph_from_biadjacency_matrix(): 从二分邻接矩阵创建图

as_data_frame() graph_from_data_frame() from_data_frame(): 从数据框创建 igraph 图或反之

效率

global_efficiency() local_efficiency() average_local_efficiency(): 图的效率

相似性

similarity(): 两个顶点的相似性度量

树

is_forest(): 确定图是否为森林。

is_tree(): 确定图是否为树。

make_from_prufer() from_prufer(): 从其 Prüfer 序列创建一个无向树图

sample_spanning_tree(): 从图的生成树中随机且均匀地采样

to_prufer(): 将树图转换为其 Prüfer 序列

mst(): 最小生成树

结构查询

adjacent_vertices(): 图中多个顶点的相邻顶点

are_adjacent(): 两个顶点是否相邻？

ends(): 一些图边的关联顶点

get_edge_ids(): 基于边的关联顶点查找边的 ID

vcount() gorder(): 图的阶数（顶点数）

gsize() ecount(): 图的大小（边数）

head_of(): 图中边的头部

incident(): 图中顶点的关联边

incident_edges(): 图中多个顶点的关联边

is_directed(): 检查图是否有向

neighbors(): 图中的相邻（邻接）顶点

`[`(<igraph>): 像邻接矩阵一样查询和操作图

`[[`(<igraph>): 像邻接列表一样查询和操作图

tail_of(): 图中边的尾部

ARPACK 特征向量计算

arpack_defaults() arpack(): ARPACK 特征向量计算

中心性度量

alpha_centrality(): 查找网络位置的 Bonacich alpha 中心性分数

betweenness() edge_betweenness(): 顶点和边介数中心性

closeness(): 顶点的接近中心性

diversity(): 图多样性

eigen_centrality(): 顶点的特征向量中心性

harmonic_centrality(): 顶点的调和中心性

hits_scores(): Kleinberg 的枢纽和权威中心性分数。

authority_score() hub_score(): Kleinberg 的权威中心性分数。

page_rank(): Page Rank 算法

power_centrality(): 查找网络位置的 Bonacich 幂中心性分数

spectrum(): 图的邻接矩阵的特征值和特征向量

strength(): 强度或加权顶点度

subgraph_centrality(): 查找网络位置的子图中心性分数

中心化

centr_betw(): 根据顶点的介数中心化图

centr_betw_tmax(): 介数中心化的理论最大值

centr_clo(): 根据顶点的接近程度中心化图

centr_clo_tmax(): 接近程度中心化的理论最大值

centr_degree(): 根据顶点的度中心化图

centr_degree_tmax(): 度中心化的理论最大值

centr_eigen(): 根据顶点的特征向量中心性中心化图

centr_eigen_tmax(): 特征向量中心化的理论最大值

centralize(): 图的中心化

扫描统计

local_scan(): 计算图上的局部扫描统计

scan_stat(): 图的时间序列上的扫描统计

图模体和子图

count_motifs(): 图模体

dyad_census(): 图的二元组普查

motifs(): 图模体

sample_motifs(): 图模体

triad_census(): 三元组普查，具有三个顶点的子图

图同构

canonical_permutation(): 图的规范排列

count_isomorphisms(): 计算两个图之间同构映射的数量

count_subgraph_isomorphisms(): 计算一个图与另一个图的子图之间的同构映射

graph_from_isomorphism_class(): 从同构类创建一个图

isomorphic() is_isomorphic_to(): 确定两个图是否同构

isomorphism_class(): 图的同构类

isomorphisms(): 计算两个图的顶点之间的所有同构映射

subgraph_isomorphic() is_subgraph_isomorphic_to(): 确定一个图是否与另一个图的子图同构

subgraph_isomorphisms(): 一个图与另一个图的子图之间的所有同构映射

simplify() is_simple() simplify_and_colorize(): 简单图

automorphism_group(): 图的自同构群的生成集

count_automorphisms(): 自同构的数量

permute(): 排列图的顶点

图匹配

match_vertices(): 给定顶点对应关系的种子匹配图

最大流和连通性

dominator_tree(): 支配树

edge_connectivity() edge_disjoint_paths() adhesion(): 边连通性

is_min_separator(): 最小顶点分隔符

is_separator(): 检查删除此顶点集是否会断开图的连接。

max_flow(): 图中的最大流量

min_cut(): 图中的最小割

min_separators(): 最小大小的顶点分隔符

min_st_separators(): 最小大小的顶点分隔符

st_cuts(): 列出图的所有 (s,t)-割

st_min_cuts(): 列出图的所有最小 \((s,t)\)-割

vertex_connectivity() vertex_disjoint_paths() cohesion(<igraph>): 顶点连通性

团

cliques() largest_cliques() max_cliques() count_max_cliques() clique_num() largest_weighted_cliques() weighted_clique_num() clique_size_counts() is_clique(): 查找团的函数，即图中的完整子图

is_complete(): 这是一个完整的图吗？

ivs() largest_ivs() max_ivs() ivs_size() independence_number() is_ivs(): 独立顶点集

weighted_cliques(): 用于查找加权团的函数，即图中顶点加权的完全子图

graphlet_basis() graphlet_proj() graphlets(): 图的Graphlet分解

社区检测

as_membership(): 将数值向量声明为成员向量

cluster_edge_betweenness(): 基于边介数的社区结构检测

cluster_fast_greedy(): 通过模块化贪婪优化实现社区结构

cluster_fluid_communities(): 基于交互流体的社区检测算法

cluster_infomap(): Infomap社区发现

cluster_label_prop(): 基于传播标签查找社区

cluster_leading_eigen(): 基于社区矩阵的主特征向量进行社区结构检测

cluster_leiden(): 使用Traag, van Eck & Waltman的Leiden算法查找图的社区结构。

cluster_louvain(): 通过模块化的多层次优化查找社区结构

cluster_optimal(): 最佳社区结构

cluster_spinglass(): 基于统计力学查找图中的社区

cluster_walktrap(): 通过短随机游走实现社区结构

membership() print(<communities>) modularity(<communities>) length(<communities>) sizes() algorithm() merges() crossing() code_len() is_hierarchical() as.dendrogram(<communities>) as.hclust(<communities>) cut_at() show_trace() plot(<communities>) communities(): 用于处理网络社区检测结果的函数

compare(): 使用各种指标比较社区结构

groups(): 顶点划分的组

make_clusters(): 创建一个社团对象。

modularity(<igraph>) modularity_matrix(): 图的社区结构的模块化

plot_dendrogram(): 社团结构树状图绘制

split_join_distance(): 两个社区结构的分割-连接距离

voronoi_cells() experimental: 图的Voronoi划分

图的环

feedback_arc_set(): 在图中查找反馈弧集

feedback_vertex_set() 实验性: 在图中查找反馈顶点集

find_cycle() experimental: 查找图中的环（如果存在）

girth(): 图的围长

has_eulerian_path() has_eulerian_cycle() eulerian_path() eulerian_cycle(): 查找图中的欧拉路径或环

is_acyclic(): 无环图

is_dag(): 有向无环图

simple_cycles() experimental: 查找图中的所有简单环。

连通分量

articulation_points() bridges(): 图的关节点和桥

biconnected_components(): 双连通分量

component_distribution() largest_component() components() is_connected() count_components(): 图的连通分量

decompose(): 将图分解为分量

is_biconnected() experimental: 检查双连通性

谱嵌入

dim_select(): 使用剖面似然为奇异值选择维度。

embed_adjacency_matrix(): 邻接矩阵的谱嵌入

embed_laplacian_matrix(): 图的拉普拉斯矩阵的谱嵌入

分层随机图

consensus_tree(): 从多个分层随机图模型创建一致树

fit_hrg(): 拟合分层随机图模型

hrg-methods: 分层随机图

hrg(): 从igraph图创建分层随机图

hrg_tree(): 从分层随机图模型创建igraph图

predict_edges(): 基于分层随机图模型预测边

print(<igraphHRG>): 将分层随机图模型打印到屏幕

print(<igraphHRGConsensus>): 将分层随机图一致树打印到屏幕

sample_hrg(): 从分层随机图模型中采样

图形化度序列

is_degseq(): 检查度序列对于多重图是否有效

is_graphical(): 度序列是图形化的吗？

图上的过程

plot(<sir>): 绘制多次SIR模型运行的结果

time_bins() median(<sir>) quantile(<sir>) sir(): 图上的SIR模型

random_walk() random_edge_walk(): 图上的随机游走

演示

igraph_demo(): 逐步运行igraph演示

I/O读/写文件

graph_from_graphdb(): 从图数据库加载图以测试图同构。

read_graph(): 读取外部文件格式

write_graph(): 以某种格式将图写入文件

交互式函数

tkplot() tk_close() tk_off() tk_fit() tk_center() tk_reshape() tk_postscript() tk_coords() tk_set_coords() tk_rotate() tk_canvas(): 图的交互式绘图

console(): igraph控制台

版本

graph_version(): igraph数据结构版本

upgrade_graph(): igraph数据结构版本

实验性函数

feedback_vertex_set() 实验性: 在图中查找反馈顶点集

find_cycle() experimental: 查找图中的环（如果存在）

graph_center() 实验性: 图的中心顶点

is_biconnected() experimental: 检查双连通性

realize_bipartite_degseq() 实验性: 从两个度序列确定性地创建一个二分图

sample_chung_lu() chung_lu() 实验性: 具有给定预期度的随机图

simple_cycles() experimental: 查找图中的所有简单环。

voronoi_cells() experimental: 图的Voronoi划分