igraph 来自 numpy 或 pandas 邻接矩阵的图答案

【问题标题】：igraph Graph from numpy or pandas adjacency matrixigraph 来自 numpy 或 pandas 邻接矩阵的图
【发布时间】：2015-06-21 16:51:14
【问题描述】：

我有一个存储为pandas.DataFrame 的邻接矩阵：

node_names = ['A', 'B', 'C']
a = pd.DataFrame([[1,2,3],[3,1,1],[4,0,2]],
    index=node_names, columns=node_names)
a_numpy = a.as_matrix()

我想从pandas 或numpy 邻接矩阵创建一个igraph.Graph。在理想世界中，节点将按预期命名。

这可能吗？ The tutorial 似乎对这个问题保持沉默。

【问题讨论】：

严格来说，adjacency matrices 是布尔值。 a_numpy 中的值实际上是什么意思？它们是连接权重吗？
@ali_m 我的意思是指边权重。

标签： python numpy pandas igraph

【解决方案1】：

在 igraph 中，您可以使用 igraph.Graph.Adjacency 从邻接矩阵创建图形，而无需使用 zip。当使用加权邻接矩阵并将其存储在np.array 或pd.DataFrame 中时，需要注意一些事项。

igraph.Graph.Adjacency 不能将np.array 作为参数，但使用tolist 很容易解决。
邻接矩阵中的整数被解释为节点之间的边数而不是权重，通过使用邻接作为布尔值来解决。

如何做的一个例子：

import igraph
import pandas as pd

node_names = ['A', 'B', 'C']
a = pd.DataFrame([[1,2,3],[3,1,1],[4,0,2]], index=node_names, columns=node_names)

# Get the values as np.array, it's more convenenient.
A = a.values

# Create graph, A.astype(bool).tolist() or (A / A).tolist() can also be used.
g = igraph.Graph.Adjacency((A > 0).tolist())

# Add edge weights and node labels.
g.es['weight'] = A[A.nonzero()]
g.vs['label'] = node_names  # or a.index/a.columns

您可以通过以下方式使用get_adjacency 重构您的邻接数据框：

df_from_g = pd.DataFrame(g.get_adjacency(attribute='weight').data,
                         columns=g.vs['label'], index=g.vs['label'])
(df_from_g == a).all().all()  # --> True

【讨论】：

完美！ +1 因为Adjacency 将数字解释为链接数，而不是链接权重。
如果行是“从”节点，列是“到”节点，您将如何将此图转换为有向图。
a.to_numpy() is preferred to a.values

【解决方案2】：

严格来说，adjacency matrix 是布尔值，1 表示存在连接，0 表示不存在。由于a_numpy 矩阵中的许多值都大于 1，因此我假设它们对应于图中的边权重。

import igraph

# get the row, col indices of the non-zero elements in your adjacency matrix
conn_indices = np.where(a_numpy)

# get the weights corresponding to these indices
weights = a_numpy[conn_indices]

# a sequence of (i, j) tuples, each corresponding to an edge from i -> j
edges = zip(*conn_indices)

# initialize the graph from the edge sequence
G = igraph.Graph(edges=edges, directed=True)

# assign node names and weights to be attributes of the vertices and edges
# respectively
G.vs['label'] = node_names
G.es['weight'] = weights

# I will also assign the weights to the 'width' attribute of the edges. this
# means that igraph.plot will set the line thicknesses according to the edge
# weights
G.es['width'] = weights

# plot the graph, just for fun
igraph.plot(G, layout="rt", labels=True, margin=80)

【讨论】：

【解决方案3】：

This is possible 与 igraph.Graph.Weighted_Adjacency 为

g = igraph.Graph.Weighted_Adjacency(a.to_numpy().tolist())

pandas.DataFrame.as_matrixhas been deprecated, 所以应该改用pandas.DataFrame.to_numpy。此外，a.to_numpy() 给出的 numpy.ndarray 必须先转换为带有tolist() 的列表，然后才能传递给Weighted_Adjacency。

节点名称可以存储为另一个属性

g.vs['name'] = node_names

【讨论】：