合并共享属性的节点

Question

已编辑

我真的需要 Networkx/graph 专家的帮助。

假设我有以下数据框，我想将这些数据框转换为图表。然后我想根据描述和优先级属性将这两个图与相应的节点进行映射。

df1

From   description    To         priority 
10        Start      20, 50         1
20        Left       40             2 
50        Bottom     40             2
40        End        -              1

df2

From   description    To      priority 
60        Start      70,80       1
70        Left       80, 90      2 
80        Left       100         2
90        Bottom     100         2
100        End        -          1

我刚刚转换了两个数据框并创建了一个图表（g1 和 g2）。

然后我尝试根据节点的描述和优先级匹配节点一次。例如10/60, 40/100, 50/90，但不是20/70, 20/80, and 70/80。 20 有三个条件要映射，这不是我想要的。因为我只想映射节点一次，除非我想将它们作为单个节点并将节点标记为红色以区分。

一个节点应该只映射一次意味着，例如，如果我想映射10，它在第一个图上具有优先级1和描述Start，然后在第二个图上找到相同的优先级和描述图形。为此，有 60 个。除了 60 之外，没有其他节点。但如果我们在第一张图上取 20，它的优先级为 2，描述为 left。在第二张图中，有两个节点的优先级为2，描述为left，即70 and 80。这会造成混乱。我不能像20/70 and 20/80 那样将 20 映射两次。但我想将它们作为单个节点放在示例图中，如下所示。

我期待以下结果。

为了得到上面的结果，我用下面的python代码试了一下。

mapped_list= []

for node_1, data_1 in g1.nodes(data=True):
    for node_2, data_2 in g2.nodes(data=True):

        if (((g1.node[node_1]['priority']) == (g2.node[node_2]['priority'])) & 
                    ((g1.node[node_1]['description']) == (g2.node[node_2]['description']))
                   ):
                    if (node_1 in mapped_list) & (node_2 in mapped_list): // check of if the node exist on the mapped_list
                        pass
                    else:    
                        name = str(node_1) + '/' + str(node_2)
                        mapped_list.append((data_1["priority"], data_1["descriptions"], node_1, name))
                        mapped_list.append((data_2["priority"], data_2["descriptions"], node_2, name))

谁能帮我实现图/graph/上显示的上述结果？任何帮助表示赞赏。

Answer 1

我要解决这个问题的方法是构建一个新图，采用两个图的 nx.union，然后将 start 和 end em> 使用contracted_nodes 共享属性的节点。

让我们从数据框创建两个图表开始：

df1 = df1.drop('To',1).join(df1.To.str.replace(' ','').str.split(',').explode())
df2 = df2.drop('To',1).join(df2.To.str.replace(' ','').str.split(',').explode())

g1 = nx.from_pandas_edgelist(df1.iloc[:-1,[0,3]].astype(int), 
                             source='From', target='To', create_using=nx.DiGraph)
g2 = nx.from_pandas_edgelist(df2.iloc[:-1,[0,3]].astype(int), 
                             source='From', target='To', create_using=nx.DiGraph)

df1_node_ix = df1.assign(graph='graph1').set_index('From').rename_axis('nodes')
nx.set_node_attributes(g1, values=df1_node_ix.description.to_dict(), 
                       name='description')
nx.set_node_attributes(g1, values=df1_node_ix.priority.to_dict(), 
                       name='priority')
nx.set_node_attributes(g1, values=df1_node_ix.graph.to_dict(), 
                       name='graph')

df2_node_ix = df2.assign(graph='graph2').set_index('From').rename_axis('nodes')
nx.set_node_attributes(g2, values=df2_node_ix.description.to_dict(), 
                       name='description')
nx.set_node_attributes(g2, values=df2_node_ix.priority.to_dict(), 
                       name='priority')
nx.set_node_attributes(g2, values=df2_node_ix.graph.to_dict(), 
                       name='graph')

现在通过两个图的nx.union，我们有：

g3 = nx.union(g1,g2)

from networkx.drawing.nx_agraph import graphviz_layout
plt.figure(figsize=(8,5))
pos=graphviz_layout(g3, prog='dot')
nx.draw(g3, pos=pos, 
        with_labels=True, 
        node_size=1500, 
        node_color='red', 
        arrowsize=20)

我们现在可以做的是想出一些数据结构，我们以后可以使用它来轻松地组合共享属性的节点对。为此，我们可以按节点的描述对节点进行排序。对它们进行排序将使我们能够使用itertools.groupby 对连续相等的节点对进行分组，然后我们可以使用nx.contrated_nodes 轻松组合它们，然后在同一个先前的图上覆盖。可以使用nx.relabel_nodes：按照问题中指定的方式重新标记节点：

from itertools import groupby

g3_node_view = g3.nodes(data=True)
sorted_by_descr = sorted(g3_node_view, key=lambda x: x[1]['description'])
node_colors = dict()
colors = {'Bottom':'saddlebrown', 'Start':'lightblue', 
          'Left':'green', 'End':'lightblue'}
all_graphs = {'graph1', 'graph2'}

for _, grouped_by_descr in groupby(sorted_by_descr, 
                                   key=lambda x: x[1]['description']):
    for _, group in groupby(grouped_by_descr, key=lambda x: x[1]['priority']):
        grouped_nodes = list(group)
        nodes = [i[0] for i in grouped_nodes]
        graphs = {i[1]['graph'] for i in grouped_nodes}

        # check if there are two nodes that share attributes
        # and both belong to different graphs
        if len(nodes)==2 and graphs==all_graphs:
            # contract both nodes and update graph
            g3 = nx.contracted_nodes(g3, *nodes)
            # define new contracted node name and relabel
            new_node = '/'.join(map(str, nodes))
            g3 = nx.relabel_nodes(g3, {nodes[0]:new_node})
            node_colors[new_node] = colors[grouped_nodes[0][1]['description']]
        else:
            for node in nodes:    
                node_colors[node] = 'red'

这会给：

plt.figure(figsize=(10,7))
pos=graphviz_layout(g3, prog='dot')
nx.draw(g3, pos=pos, 
        with_labels=True, 
        node_size=2500, 
        nodelist=node_colors.keys(),
        node_color=node_colors.values(), 
        arrowsize=20)