使用节点 id 在 numpy 中索引矩阵

Question

有没有办法索引一个 numpy 矩阵，通过 networkx 作为邻接矩阵构建，使用节点名称（我从 .txt 文件构建了 networkx 图解析行。每条线代表一条边，形式为SourceNode:DestNode:EdgeWeight) 我需要矩阵因为我要计算一些节点的命中概率

Answer 1

无论您如何构建图形，都可以计算它的邻接矩阵。 docs 表示如果您不指定，此图中行和列的顺序将是 "as produced by G.nodes()"。

例如，

# create your graph
G = nx.DiGraph()
with open("spec.txt") as f:
  for line in f:
    for src, dest, weight in line.split(':'):
      G.add_edge(src, dest, weight=weight)

# create adjacency matrix
# - store index now, in case graph is changed.
nodelist = G.nodes()
# extract matrix, and convert to dense representation
A = nx.adjacency_matrix(G, nodelist=nodelist).todense()

# normalise each row by incoming edges, or whatever
B = A / A.sum(axis=1).astype(float)

让我们假设您的节点按字母顺序标记为 C-G。节点排序只是根据字典哈希，这个序列对我来说是：['C', 'E', 'D', 'G', 'F']。如果你想从矩阵中查找信息，你可以使用这样的查找：

ix = nodelist.index('D') # ix is 2 here
print A[ix,:]

使用节点 id 在 numpy 中索引矩阵

Indexing matrix in numpy using Node id

numpy

networkx