TypeError: unhashable type: 'slice' 将图形转换为 numpy 矩阵 [NetworkX]答案

【问题标题】：TypeError: unhashable type: 'slice' when converting graph to numpy matrix [NetworkX]TypeError: unhashable type: 'slice' 将图形转换为 numpy 矩阵 [NetworkX]
【发布时间】：2018-03-20 16:31:46
【问题描述】：

我想将图形转换为 numpy 矩阵

我的图表有 40 个节点 (G.nodes)，每个节点都与一个包含 50 个值的向量相关联。

import networkx as nx
G = nx.balanced_tree(3,3)
A = nx.adjacency_matrix(G)
for v in G.nodes():
    G.node[v] = np.random.random(50)

我想得到什么？因为我有 40 个节点，所以我需要得到一个 (40,50) 的矩阵。我怎么能从G.node[v] 那里得到呢？

我尝试了什么？

matrix_graph_features=G.node[:]

我收到以下错误：

TypeError: unhashable type: 'slice'

【问题讨论】：

Storing and Accessing node attributes python networkx的可能重复
看起来 node 是字典，或者类似字典。 : 用于列表和 numpy 数组。
我不明白你的目标是什么。你能明确给出你想要的输出吗？不清楚“(40,50) 的矩阵”是什么意思
40 个示例，每个示例有 50 个值，因此矩阵为 (40,50)
G.node[0]= 50 个值的向量 ..... G.node[39]= 50 个值的向量

标签： python-3.x numpy scipy networkx

【解决方案1】：

首先，您需要正确存储与每个节点关联的数据。由于您使用的是生成器balanced_tree，因此在之后添加属性比在图形构建期间更容易。 This answer 还展示了在添加节点时如何添加属性作为替代方案。

import networkx as nx
import numpy as np

propname = "vals" # use a more meaningful name for your application!
G = nx.balanced_tree(3,3)
#A = nx.adjacency_matrix(G)
for v in G.nodes():
    G.node[v][propname] = np.random.random(50)

现在要访问数据，您可以使用G.nodes(data=True) 进行迭代，或者如果您想访问所有节点的特定数据属性，您可以使用函数nx.get_node_attribues。下面我展示了如何在 40x50 矩阵中获取上面的随机值：

M = np.array([v for k, v in nx.get_node_attributes(G, propname).iteritems()])

print(G.number_of_nodes())
>>> 40
print(M.shape)
>>> (40, 50)

现在您的数据是二维数组形式，很容易执行进一步的操作，例如M.mean(), M.std()等。注意：您应该注意此矩阵中行的顺序，特别是如果您在运行时添加任何新节点。

【讨论】：