从 Pandas DataFrame 或 CSV 生成图形工具图

Question

我已经开始使用graph-tool，希望它是一个 python 库，可以让我分析大图（~8M 顶点，~22M 边，在 Pandas DataFrame / CSV 中）。 'source' 和 'target' 列是特定数字服务的用户 ID。

我从一个玩具示例开始，遵循in this post 的方法。

import pandas as pd

df = pd.DataFrame({'source':range(11,15), 'target':range(12,16)})

g = Graph(directed=True)

g.add_edge_list(df.values)

您可以在我的虚拟示例中看到，只有 5 个不同的顶点 (11, 12, 13, 14, 15)。但是，当我生成图形时，创建了 16 个顶点，似乎填补了 0 和最大节点值之间的空白。

g.get_vertices()

returns:

    array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15], dtype=uint64)

我假设图形工具将 df 的值“读取”为索引，而不是实际顶点的名称。这来自docs：

图中的每个顶点都有一个唯一的索引，它总是介于 :math:0 和 :math:N-1，其中 :math:N 是顶点数。

如何创建没有这些冗余顶点的图形（如果我导入我的数据，可能会达到数百万），我如何才能使用不被视为索引的用户 ID？ 对于从 df 案例的大量导入，我一直在翻找可用的方法/文档，但无法弄清楚。

我还尝试了什么：

df.to_csv('test.csv', index=False)#, header=False)    
g2 = graph_tool.load_graph_from_csv('test.csv', skip_first=True)

这似乎确实创建了一个只有 5 个顶点的图，但“丢失”了它们的名称（用户 ID）。

g2.get_vertices()

返回

array([0, 1, 2, 3, 4], dtype=uint64)

而不是[11, 12, 13, 14, 15]。

感谢您的帮助！提前致谢。

我在Jupyter/Anaconda 上使用python 2.7。

Answer 1

add_edge_list() 方法的hashed 参数启用您想要的功能：

vmap = g.add_edge_list(df.values, hashed=True)

其中vmap 是一个带有顶点“名称”的属性映射。

来自文档字符串：

可选，如果hashed == True，边列表中的顶点值 不假定直接对应于顶点索引。在这种情况下 它们将根据顺序映射到顶点索引 遇到它们，以及带有顶点值的顶点属性映射 被退回。如果string_vals == True，算法假设 顶点值是字符串。否则，它们将被假定为数字 如果edge_list 是:class:~numpy.ndarray，或者任意python 如果不是，则对象。

请注意，为了保证高效的数据结构，在图形工具中，顶点总是是连续的整数，因此它们的编号总是从 0 到 N-1。如果你想给他们不同的“名字”，你必须使用属性映射，如文档中所述。