Project Icon

rustworkx

Rust驱动的高性能Python图论库

rustworkx是一个用Rust编写的高性能通用图论库,为Python提供强大的图处理能力。支持有向图和无向图操作,包括最短路径计算等功能。该库易用且性能出色,适用于多种图论应用场景。起源于Qiskit量子计算框架,现已发展为独立开源项目,广泛应用于需要高效图处理的领域。

rustworkx

许可证 构建状态 构建状态 覆盖率状态 最低rustc 1.70 DOI arXiv Zenodo

一个用Rust编写的高性能、通用的Python图库。

使用方法

安装完成后,只需导入rustworkx即可。 所有图类和顶层函数都可以通过单个导入访问。 为了说明这一点,以下示例计算了无向图中节点AC之间的最短路径。

import rustworkx

# Rustworkx的无向图类型
graph = rustworkx.PyGraph()

# 每次调用add_node时,都会返回一个新的节点索引
a = graph.add_node("A")
b = graph.add_node("B")
c = graph.add_node("C")

# add_edges_from接受节点索引和权重的元组,
# 并返回边索引
graph.add_edges_from([(a, b, 1.5), (a, c, 5.0), (b, c, 2.5)])

# 返回路径 A -> B -> C
rustworkx.dijkstra_shortest_paths(graph, a, c, weight_fn=float)

安装rustworkx

rustworkx已发布在PyPI上,因此在x86_64、i686、ppc64le、s390x和aarch64 Linux系统、Mac OSX上的x86_64以及32位和64位Windows上,安装非常简单,只需运行:

pip install rustworkx

这将在您的Python环境中安装一个预编译版本的rustworkx。

在没有预编译二进制文件的平台上安装

如果您的系统没有发布预编译的二进制文件,您需要从源代码构建包。然而,要能够从发布的源代码包构建,您需要安装Rust >= 1.70(以及通常随Rust一起提供的cargo)。您可以使用rustup(一个跨平台的Rust安装程序)来简化这个过程,或者依赖于其他安装方法。源代码包也发布在PyPI上,所以您仍然可以运行上述pip命令来安装它。一旦您正确安装了Rust,运行:

pip install rustworkx

将从源代码包构建适用于您本地系统的rustworkx并安装它,就像有预构建的二进制文件可用一样。

[!注意]
要从源代码构建,您需要确保安装了支持PEP-517的pip 19.0.0或更高版本,或者在运行pip install rustworkx之前手动安装了setuptools-rust。如果您收到有关找不到setuptools-rust的错误,应该使用pip install -U pip升级pip,或者使用pip install setuptools-rust手动安装setuptools-rust,然后重试。

可选依赖

如果您计划使用rustworkx.visualization模块,您需要安装可选依赖项来使用这些函数。基于matplotlib的绘图函数rustworkx.visualization.mpl_draw需要安装matplotlib库。可以通过pip install matplotlib安装,或在安装rustworkx时使用pip install 'rustworkx[mpl]'安装。如果您要使用基于graphviz的绘图函数rustworkx.visualization.graphviz_drawer,首先需要安装graphviz,安装说明可以在这里找到:https://graphviz.org/download/#executable-packages。然后您需要安装[pillow](https://python-pillow.org/) Python库。可以通过pip install pillow安装,或在安装rustworkx时使用pip install 'rustworkx[graphviz]'安装。

如果您想在安装rustworkx时安装所有可选的Python依赖项,可以使用pip install 'rustworkx[all]'来完成。

作者和引用

rustworkx是许多人在不同层面为项目做出贡献的成果。如果您在研究中使用rustworkx,请按照包含的BibTeX文件引用我们的论文

社区

除了GitHub互动(如提出问题)外,还有两个地方可以与其他rustworkx用户和开发者交流。第一个是Qiskit工作空间中的公共Slack频道#rustworkx。您可以在这里加入Qiskit Slack工作空间。此外,在OFTC IRC网络上还有一个IRC频道#rustworkx

从源代码构建

从源代码构建rustworkx的第一步是在本地克隆它:

git clone https://github.com/Qiskit/rustworkx.git

rustworkx使用PyO3setuptools-rust来构建Python接口,这使得可以使用标准的Python工具进行操作。所以,假设您已经安装了rust,您可以轻松地使用pip将rustworkx安装到您的Python环境中。一旦您在本地克隆了仓库,将当前工作目录更改为仓库的根目录。然后,您可以使用以下命令将rustworkx安装到您的Python环境中:

pip install .

假设您的当前工作目录仍然是仓库的根目录。否则,您可以运行:

pip install $PATH_TO_REPO_ROOT

这将以相同的方式安装它。然后rustworkx就安装在您的本地Python环境中了。使用这种方法时需要注意两点:首先,如果您尝试从仓库根目录运行Python,它将无法按预期工作。这是因为在仓库根目录中存在名称冲突,这是由于在构建包时使用了本地Python包垫片。只需在仓库根目录之外运行使用rustworkx的Python脚本或程序即可。第二个问题是,您对rust代码所做的任何本地更改不会立即反映在您的Python环境中,您需要通过重新运行pip install来重新编译rustworkx,以使任何更改反映在您的Python环境中。

开发模式

如果您想在调试模式下构建rustworkx并在进行更改时使用交互式调试器,可以使用python setup.py develop在开发模式下构建和安装rustworkx。这将在不进行优化的情况下构建rustworkx,并包含调试信息,这对调试很有帮助。请注意,以这种方式安装rustworkx的速度将明显慢于使用pip install,应该只用于调试/开发。

[!提示] 值得注意的是,pip install -e不起作用,因为它只会将Python打包垫片链接到您的Python环境,但不会构建rustworkx二进制文件。如果您想在调试模式下构建rustworkx,必须使用python setup.py develop

项目历史

Rustworkx最初被称为retworkx,最初创建它是为了替代Qiskit之前(及当前)使用的NetworkX(因此有了最初的名字)。这个项目最初是为了构建一个更快的有向图,用作qiskit转译器核心的DAG底层数据结构。然而,自从最初引入以来,这个项目已经大幅发展,现在涵盖了所有需要处理图的应用,包括Qiskit在内。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号