使用 nx.to_numpy_array 时邻接矩阵中的有序节点

Ordered nodes in adjacency matrix when using nx.to_numpy_array

我创建了一个有一些边的图:

import networkx as nx

g = nx.Graph()
g.add_edge(1, 2)
g.add_edge(2, 6)
g.add_edge(3, 4)
g.add_edge(5, 6)

print(g.edges)
output-> (1, 2), (1, 5), (2, 6), (5, 6), (3, 4)

然后利用图g

得到相邻A
nx.convert_matrix.to_numpy_array(g)

结果是:

array([[0., 1., 1., 0., 0., 0.],
       [1., 0., 0., 1., 0., 0.],
       [1., 0., 0., 1., 0., 0.],
       [0., 1., 1., 0., 0., 0.],
       [0., 0., 0., 0., 0., 1.],
       [0., 0., 0., 0., 1., 0.]])

如果将adjacent上的元素索引看成下面这样,就可以看到adjacent不匹配g

A :   1 2 3 4 5 6
     —————————————
  1 | 0 1 1 0 0 0
  2 | 1 0 0 1 0 0
  3 | 1 0 0 1 0 0
  4 | 0 1 1 0 0 0
  5 | 0 0 0 0 0 1
  6 | 0 0 0 0 1 0

例如:

A上,索引(1, 3)的值和往常一样等于1,这意味着边缘(1, 3) 存在,但实际上不存在!

如果我将 A 的索引更改为如下所示:

A :   1 2 5 6 3 4
     —————————————
  1 | 0 1 1 0 0 0
  2 | 1 0 0 1 0 0
  5 | 1 0 0 1 0 0
  6 | 0 1 1 0 0 0
  3 | 0 0 0 0 0 1
  4 | 0 0 0 0 1 0

比赛将在 edgesA 之间进行。

我的问题

如何使 A 的索引遵循正常顺序 -> 1,2,3,4...

提前致谢~

由于 to_numpy_matrix,节点出现的顺序取决于边的插入顺序,即节点添加到图中的顺序。您可以使用 nx.to_pandas_adjacency:

检查邻接矩阵的实际顺序
g = nx.Graph()
g.add_edge(1, 2)
g.add_edge(2, 6)
g.add_edge(3, 4)
g.add_edge(5, 6)
g.edges()
# EdgeView([(1, 2), (2, 6), (6, 5), (3, 4)])

nx.to_pandas_adjacency(g)

     1    2    6    3    4    5
1  0.0  1.0  0.0  0.0  0.0  0.0
2  1.0  0.0  1.0  0.0  0.0  0.0
6  0.0  1.0  0.0  0.0  0.0  1.0
3  0.0  0.0  0.0  0.0  1.0  0.0
4  0.0  0.0  0.0  1.0  0.0  0.0
5  0.0  0.0  1.0  0.0  0.0  0.0

要获得具有 有序 节点的邻接矩阵,您可以使用 nx.to_numpy_matrix 中的 nodelist 参数,并为其提供排序的节点列表:

nx.to_numpy_matrix(g, nodelist=sorted(g.nodes()))

matrix([[0., 1., 0., 0., 0., 0.],
        [1., 0., 0., 0., 0., 1.],
        [0., 0., 0., 1., 0., 0.],
        [0., 0., 1., 0., 0., 0.],
        [0., 0., 0., 0., 0., 1.],
        [0., 1., 0., 0., 1., 0.]])

这与通过重新索引邻接数据框中的轴得到的相同:

nodes_sorted = sorted(g.nodes())
nx.to_pandas_adjacency(g).reindex(index=nodes_sorted, columns=nodes_sorted)

    1    2    3    4    5    6
1  0.0  1.0  0.0  0.0  0.0  0.0
2  1.0  0.0  0.0  0.0  0.0  1.0
3  0.0  0.0  0.0  1.0  0.0  0.0
4  0.0  0.0  1.0  0.0  0.0  0.0
5  0.0  0.0  0.0  0.0  0.0  1.0
6  0.0  1.0  0.0  0.0  1.0  0.0