在networkx中模拟图模型答案

【问题标题】：Simulate graph model in networkx在networkx中模拟图模型
【发布时间】：2026-02-01 07:10:01
【问题描述】：

我在 networkx 中有一个非常具体的图形问题：

我的有向图有两种不同类型的节点（我将它们称为 I 和 T），并且仅在 IT 之间使用边构建> 和 TI（所以 T 不与其他 T 连接，与 I 相同）

现在我需要模拟一个具有相同行为的新图：我有一定数量的 I 和 T 并且 IT 之间的边以一定的概率存在（也适用于 TI，但概率不同，我们称它们为 p_i 和 p_o）。

所以我的问题是我不能用 for 循环来迭代 I 和 T 因为两者都很大（我现在正在分析的数据是 5000 T 和 5000 I 但可能会增加到每个 300000），而我的电脑无法处理。

在这种情况下创建图表的最佳方法是什么？

【问题讨论】：

你能澄清一下边缘存在的概率吗？
通过查看第一个图（即真实图）的数据，我获得了边在可能数量上的比例。我使用这个比例作为模拟图的概率。不知道这样是否更清楚
“相当大”有多大？请给一个号码。此外，您的图称为 二分图。我建议尝试networkx.org/documentation/networkx-1.9/reference/generated/…
“所以我的问题是我无法使用 for 循环进行迭代……因为两者都很大，我的电脑无法处理。”这很奇怪，似乎是你真正的问题。当你尝试时究竟会发生什么？（我经常使用迭代超过一百万个节点的图的代码）
Networkx 与其他图形库相比速度较慢，而且您的问题似乎与性能有关 - 您是否考虑过例如网络吗？参见例如这个基准timlrx.com/blog/benchmark-of-popular-graph-network-packages-v2

标签： python networkx graph-theory social-networking

【解决方案1】：

这是@ravenspoint 通过他的评论让我达到的解决方案。

对于T=5000 和I=5000，它通过在I 中执行for loops 和在T 中执行一个以及使用numpy 中的np.random.binomial(1, pi, nI) 和np.random.binomial(1, po, nO) 来工作，其中nO 和@987654 @ 是实际图中O 和I 的长度，如果这些数组为1，则创建边。

如果po=pi（在我的示例中发生）也可以使用@Stef 解决方案，您可以使用nx.bipartite.random_graph(countadd, countt, p, seed=None,directed=True)

【讨论】：