我怎样才能增加 networkx 边缘的权重？

Question

我有基本的数据框，看起来像这样

     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

获得图形的几个中心性（度数、紧密度、中间度）

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 和一行中的值都相同)

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？我认为这些中心性会因为重量而有所不同，但事实并非如此。

我希望高值的列（例如A）更居中，但两者的结果相同。

为什么会这样？我该如何解决？

Answer 1

当您使用 nx.from_numpy_array 时，来自 fed 邻接数组的值被设置为边权重，因此应该如您所愿。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, for weights to be considered you have to modify the attribute names, so that they are taken into account. For instance, for the closeness_centrality 中可用的各种中心算法，来自文档：

If the ‘distance’ keyword is set to an edge attribute key then the shortest-path length will be computed using Dijkstra’s algorithm with that edge attribute as the edge weight.

Answer 2

下面是我如何计算加权图的介数，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" 是标签字典，其中值是字符串，例如某种形式

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

我怎样才能增加 networkx 边缘的权重？

how can i add weight to networkx edges?

python

networkx

adjacency-matrix