将邻接矩阵转换为字典的有效方法是什么？

Question

我想知道将邻接矩阵转换为表示一个节点与另一个节点之间连接的字典的有效方法是什么？

示例矩阵：

matrix = [
[0,1,0,0,0,0],
[0,0,0,0,0,0],
[0,1,0,1,0,0],
[0,0,0,0,0,0],
[0,0,0,1,0,1],
[1,0,0,0,0,0]
]

示例输出：

{0: [1], 1: [], 2: [1, 3], 3: [], 4: [3, 5], 5: [0]}

我下面的代码实际上生成了正确的输出；但是，我认为这是非常低效的，因为我使用了两个 for 循环。有什么方法可以在不使用任何库的情况下优化我的代码？请告诉我，谢谢！

def convertAdjMatrixtoDict(m):

    graph = {}
    for idx, row in enumerate(m):
        res = []
        for r in range(len(row)):
            if row[r] != 0:
                res.append(r)
            graph[idx] = res
    return graph

Answer 1

您可以通过使用NumPy 来定位每行中的非零元素，从而获得更好的性能：

import numpy as np
{i: np.nonzero(row)[0].tolist() for i,row in enumerate(matrix)}

随机 1000x1000 矩阵的时序：

1. 原码：310ms
2. @Denxioe 的代码：91 毫秒
3. 此代码：20ms

Answer 2

这是一个更 Pythonic 的解决方案，可能会更快一些。

{i: [j for j, adjacent in enumerate(row) if adjacent] for i, row in enumerate(matrix)}

我怀疑你在原始 Python 中会变得更快。我会考虑是否有任何利用快速库的解决方案，例如numpy。

更新：我使用以下方法对这两种解决方案进行了计时。

import numpy as np

# Make a big example
num_nodes = 1000
matrix = np.random.randint(0, 2, [num_nodes, num_nodes])

# Convert to raw Python
matrix = [[element for element in row] for row in matrix]

您的解决方案耗时 0.62 秒，我的解决方案耗时 0.12 秒。所以实际上速度提高了大约 5 倍。