gudhi 默认仅对实际存在的拓扑特征输出同调信息；原始代码中未构造闭合环路，故无非平凡的一维同调类，导致维度 1 的结果不出现。需显式构建 1-单纯形闭链（如四边形循环）才能观测到 h₁ 的持久区间。
gudhi 默认仅对实际存在的拓扑特征输出同调信息；原始代码中未构造闭合环路，故无非平凡的一维同调类，导致维度 1 的结果不出现。需显式构建 1-单纯形闭链（如四边形循环）才能观测到 h₁ 的持久区间。
在拓扑数据分析（TDA）中，GUDHI 库通过单纯复形计算持久同调（persistent homology），其输出的同调群维度严格对应数据中真实存在的拓扑结构：
- 维度 0（H₀）：反映连通分支数量（如孤立点、连通块）；
- 维度 1（H₁）：对应“洞”或一维循环（如环、孔）；
- 更高维度（H₂+）：对应空腔、球面等更复杂结构。
你最初的代码构建的是三个二维单纯形（三角形）：[1,2,3]、[2,3,4]、[3,4,5]。它们共享边 [2,3]、[3,4]，整体形成一条“链状”结构（类似锯齿形），没有闭合环路，因此不存在非平凡的一维同调类 —— GUDHI 正确地不输出任何 Dimension 1 区间，这并非 bug，而是数学上的准确结果。
要观测到 Dimension 1 的输出，必须构造一个至少由四个 1-单纯形（边）组成的闭合循环，例如四边形 [1,2] → [2,3] → [3,4] → [4,1]：
import gudhi
# ✅ 正确构造一个 1D 循环（无填充面，确保 H₁ 非零）
simplex_tree = gudhi.SimplexTree()
simplex_tree.insert([1, 2])
simplex_tree.insert([2, 3])
simplex_tree.insert([3, 4])
simplex_tree.insert([4, 1])
# 计算持久同调（默认使用 Vietoris-Rips 框架下的单纯复形）
homology = simplex_tree.persistence()
print("Homology groups:")
for dim, (birth, death) in homology:
print(f"Dimension {dim}: birth = {birth}, death = {death}")
输出：
Homology groups: Dimension 0: birth = 0.0, death = inf Dimension 1: birth = 0.0, death = inf
✅ 解释：
-
Dimension 0：所有顶点连通（因边已构成单连通图），故一个无限长的连通分支； -
Dimension 1：四条边形成一个无填充的环（即未插入面[1,2,3,4]或任意三角形），因此产生一个持久性为∞的一维洞。
⚠️ 关键注意事项：
-
不要插入高维单纯形（如
[1,2,3]）——它会“填充”环，使 H₁ 消失； - 若需多尺度分析，可配合
gudhi.RipsComplex自动构建邻域复形，但本例中手动插入边已足够； -
death = inf表示该特征在复形构建完成时仍存在（无更高尺度将其填满）； - 使用
simplex_tree.get_filtration()可验证复形结构，确保无意外添加的面。
总结：GUDHI 的输出始终忠实反映输入复形的代数拓扑结构。观察不到 H₁ 并非库失效，而是输入数据本身不具备一维洞。构造明确的闭合 1-循环是触发 Dimension 1 输出的必要且充分条件。
