如何为networkx边缘添加权重？答案

【问题标题】：how can i add weight to networkx edges?如何为networkx边缘添加权重？
【发布时间】：2020-06-14 17:17:03
【问题描述】：

我有一个看起来像这样的基本数据框

     A  B  C  D ... Z
foo1 1  0  1  0 ... 0
foo2 0  0  0  1 ... 0
foo3 0  1  0  0 ... 1
foo4 1  0  1  1 ... 0

(实际形状 = 330, 1113) 我将其转换为邻接矩阵

   A  B  C  D ... Z
A
B
C
D
..
Z

(实际形状 = 1113, 1113)

这个矩阵只有二进制值，我可以使用 networkx 获得图的几个中心性（度、接近度、介数）

然后，我给数据框一些值，比如

     A  B  C  D ... Z
foo1 3  0  3  0 ... 0
foo2 0  0  0  2 ... 0
foo3 0  5  0  0 ... 5
foo4 4  0  4  4 ... 0

（实际形状 = 330, 1113 和一行中的值都是一样的）

我也将其转换为邻接矩阵并计算中心性但我对二进制值有相同的结果。

这种情况正常吗？我认为这些中心点会因为权重而有所不同，但事实并非如此。

我希望具有高值的列（例如 A）会更中心，但两者的结果是相同的。

为什么会这样？我该如何解决？

【问题讨论】：

标签： python networkx adjacency-matrix

【解决方案1】：

当您使用nx.from_numpy_array 时，来自馈送邻接数组的值被设置为边权重，因此应该按照您的意愿进行操作。使用一些示例数组：

df.values
array([[6, 0, 4, 0],
       [0, 0, 0, 1],
       [0, 2, 0, 0],
       [1, 0, 4, 8]])

G = nx.from_numpy_array(df.values)

G.edges(data=True)
#EdgeDataView([(0, 0, {'weight': 1}), (0, 2, {'weight': 1})...

根据Centrality 中可用的各种中心性算法，要考虑权重，您必须修改属性名称，以便将它们考虑在内。例如，对于closeness_centrality，来自文档：

如果“距离”关键字设置为边缘属性键，则最短路径长度将使用 Dijkstra 算法以该边缘属性作为边缘权重来计算。

【讨论】：

【解决方案2】：

这是我计算加权图的介数的方法，其中 G 是使用来自@yatu 的方向创建的，networkx 已导入为 nx：

BC = nx.betweenness_centrality(G, normalized=False, weight='weight')

这是一个使用简单条形图计算和比较 BC 值的函数。参数“labels”是一个标签字典，其中值是字符串，例如某种形式的东西

labels={0:'A',1:'B',2:'C',3:'D'}

def network_betweenness_bar(G, labels):
    # Compute Betweenness Centrality Values and plot as bar graph
    BC = nx.betweenness_centrality(G, normalized=False, weight='weight')
    BC = list(BC.values())
    BC = [round(elem, 2) for elem in BC]
    x = np.arange(len(labels))
    axis_labels = list(labels.values());
    plt.bar(x, BC)
    plt.xticks(x, axis_labels)
    plt.title('Betweenness Centrality', fontsize=18)
    return BC

【讨论】：