从带有行和列标题的 csv 文件中读取 networkx 图答案

【问题标题】：Reading a networkx graph from a csv file with row and column header从带有行和列标题的 csv 文件中读取 networkx 图
【发布时间】：2014-09-05 12:20:36
【问题描述】：

我有一个表示图的邻接矩阵的 CSV 文件。然而，该文件的第一行是节点的标签，第一列也是节点的标签。如何将此文件读入networkx 图形对象？有没有一种简洁的pythonic方法可以做到这一点而无需四处乱窜？

到目前为止我的试验：

x = np.loadtxt('file.mtx', delimiter='\t', dtype=np.str)
row_headers = x[0,:]
col_headers = x[:,0]
A = x[1:, 1:]
A = np.array(A, dtype='int')

但这当然不能解决问题，因为我需要在图表创建中为节点添加标签。

数据示例：

Attribute,A,B,C
A,0,1,1
B,1,0,0
C,1,0,0

制表符是分隔符，而不是逗号。

【问题讨论】：

所以这些标签在第一行和第一列是重复的，所以是多余的？您可以只使用将标签用作列名的熊猫，然后构建图表
你能不能也发一些数据
这有帮助吗？ stackoverflow.com/questions/15009615/…

标签： python csv networkx

【解决方案1】：

您可以将数据读入结构化数组。可以从x.dtype.names获取标签，然后使用nx.from_numpy_matrix生成networkx图：

import numpy as np
import networkx as nx
import matplotlib.pyplot as plt

# read the first line to determine the number of columns
with open('file.mtx', 'rb') as f:
    ncols = len(next(f).split('\t'))

x = np.genfromtxt('file.mtx', delimiter='\t', dtype=None, names=True,
                  usecols=range(1,ncols) # skip the first column
                  )
labels = x.dtype.names

# y is a view of x, so it will not require much additional memory
y = x.view(dtype=('int', len(x.dtype)))

G = nx.from_numpy_matrix(y)
G = nx.relabel_nodes(G, dict(zip(range(ncols-1), labels)))

print(G.edges(data=True))
# [('A', 'C', {'weight': 1}), ('A', 'B', {'weight': 1})]

nx.from_numpy_matrix 有一个 create_using 参数，您可以使用它来指定您希望创建的 networkx Graph 的类型。例如，

G = nx.from_numpy_matrix(y, create_using=nx.DiGraph())

使G 成为DiGraph。

【讨论】：

【解决方案2】：

这可行，但不确定这是最好的方法：

In [23]:

import pandas as pd
import io
import networkx as nx
temp = """Attribute,A,B,C
A,0,1,1
B,1,0,0
C,1,0,0"""
# for your case just load the csv like you would do, use sep='\t'
df = pd.read_csv(io.StringIO(temp))
df
Out[23]:
  Attribute  A  B  C
0         A  0  1  1
1         B  1  0  0
2         C  1  0  0

In [39]:

G = nx.DiGraph()
for col in df:
    for x in list(df.loc[df[col] == 1,'Attribute']):
        G.add_edge(col,x)

G.edges()
Out[39]:
[('C', 'A'), ('B', 'A'), ('A', 'C'), ('A', 'B')]

In [40]:

nx.draw(G)

【讨论】：