如何将具有复杂权重的 NetworkX 图转换为矩阵？答案

【问题标题】：How to convert a NetworkX graph with complex weights to a matrix?如何将具有复杂权重的 NetworkX 图转换为矩阵？
【发布时间】：2022-01-01 13:35:08
【问题描述】：

我有一个权重是复数的图表。 networkx 有一些函数可以将图形转换为边权重矩阵，但是，它似乎不适用于复数（尽管反向转换工作正常）。似乎需要 int 或 float 边权重才能将它们转换为 NumPy 数组/矩阵。

Python 3.9.7 | packaged by conda-forge | (default, Sep 29 2021, 19:20:46) 
Type 'copyright', 'credits' or 'license' for more information
IPython 7.29.0 -- An enhanced Interactive Python. Type '?' for help.

In [1]: import numpy as np

In [2]: import networkx as nx

In [3]: X = np.random.normal(size=(5,5)) + 1j*np.random.normal(size=(5,5))

In [4]: X
Out[4]: 
array([[ 1.64351378-0.83369888j, -2.29785353-0.86089473j,
...
...   
         0.50504368-0.67854997j, -0.29049118-0.48822688j,
         0.22752377-1.38491981j]])

In [5]: g = nx.DiGraph(X)

In [6]: for i,j in g.edges(): print(f"{(i,j)}: {g[i][j]['weight']}")
(0, 0): (1.6435137789271903-0.833698877745345j)
...
(4, 4): (0.2275237661137745-1.3849198099771993j)

# So conversion from matrix to nx.DiGraph works just fine.
# But the other way around gives an error.

In [7]: Z = nx.to_numpy_array(g, dtype=np.complex128)
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-7-b0b717e5ec8a> in <module>
----> 1 Z = nx.to_numpy_array(g, dtype=np.complex128)

~/miniconda3/envs/coupling/lib/python3.9/site-packages/networkx/convert_matrix.py in to_numpy_array(G, nodelist, dtype, order, multigraph_weight, weight, nonedge)
   1242             for v, d in nbrdict.items():
   1243                 try:
-> 1244                     A[index[u], index[v]] = d.get(weight, 1)
   1245                 except KeyError:
   1246                     # This occurs when there are fewer desired nodes than

TypeError: can't convert complex to float

我查看了文档，似乎只是说这仅适用于简单的 NumPy 数据类型，而对于复合类型，应该使用重新数组。我不太了解recarrays，使用np.to_numpy_recarray 也会产生错误。

In [8]: Z = nx.to_numpy_recarray(g, dtype=np.complex128)
...
TypeError: 'NoneType' object is not iterable

那么问题是如何正确地将图转换为边权重矩阵呢？

【问题讨论】：

它应该完全按照您第一次尝试的方式工作。这似乎是networkx中的一个错误。 Here 初始化是双重的，不能分配复杂的。最后的类型转换在错误之前没有机会。
我有opened a PR trying to fix this。与此同时，您最多可以复制几行代码from the implementation，只需将dtype=complex 传递给np.full 调用。我的意思是实现你自己的to_numpy_array，直到库中出现修复。
感谢 @AndrasDeak 打开 PR 并提供解决方法。我将尝试使用您的实现，否则我将自己直接使用矩阵，而不是使用 networkx 对象作为中间对象。

标签： python numpy networkx

【解决方案1】：

以下是一个快速的技巧，在实施修复之前可能很有用：

import networkx as nx
import numpy as np


def to_numpy_complex(G):

    # create an empty array
    N_size = len(G.nodes())
    E = np.empty(shape=(N_size, N_size), dtype=np.complex128)

    for i, j, attr in G.edges(data=True):
        E[i, j] = attr.get("weight")

    return E


X = np.random.normal(size=(5, 5)) + 1j * np.random.normal(size=(5, 5))

g = nx.DiGraph(X)

Y = to_numpy_complex(g)

print(np.allclose(X, Y)) # True

【讨论】：