如何使用 GUDHI 正确计算并显示一维同调群（H₁）

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。

你这段最开始搭出来的，其实是 3 个二维单纯形，也就是 3 个三角形：[1,2,3]、[2,3,4]、[3,4,5]。它们之间分别通过边 [2,3] 和 [3,4] 连在一起，整体看上去是一种“链状”结构，可以理解成锯齿一样依次排开。关键就在这里：这个结构并没有形成闭合环路，所以不会出现非平凡的一维同调类。也正因为如此，GUDHI 不输出任何 Dimension 1 区间是完全正常的，这不是 bug，而是数学意义上的正确结论。

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。