如何修复 Python 的 networkx 中 edges/nodes 的不一致标签？

Question

我想为图上的最大切割问题定义一个 objective 函数。我使用以下表达式，0.5*sum([w[i,j]*(1-spin[i]*spin[j]) for i,j in G.edges]) 其中 G 是一个 networkx 图，w 是从该图生成的 numpy 矩阵（连接矩阵），spin 是一个数组条目 -1 或 1 表示节点位于分区的哪一侧。

我以为一切都很好，但事实证明边缘的标记与节点的标记不一致，请参见下面的代码。例如在图 G1 中，边权重 w[1,5] 为 0，即使边 (1,5) 在图中。有关如何解决此问题的任何建议？

干杯

import networkx as nx

G1 = nx.random_regular_graph(3,6, seed = 1)
G2 = nx.random_regular_graph(3,6, seed = 1)

# labelling seems not to be conserved when transforming to matrix and back
G2 = nx.to_numpy_matrix(G2)
G2 = nx.from_numpy_matrix(G2)

print(nx.to_numpy_matrix(G1))
print(G1.edges)
print(nx.to_numpy_matrix(G2))
print(G2.edges)

输出

[[0. 1. 0. 1. 0. 1.]
 [1. 0. 1. 0. 1. 0.]
 [0. 1. 0. 1. 0. 1.]
 [1. 0. 1. 0. 1. 0.]
 [0. 1. 0. 1. 0. 1.]
 [1. 0. 1. 0. 1. 0.]] # matrix of G1

[(0, 1), (0, 4), (0, 3), (1, 2), (1, 5), (2, 3), (2, 4), (4, 5), (5, 3)] # edges of G1

[[0. 1. 0. 1. 0. 1.]
 [1. 0. 1. 0. 1. 0.]
 [0. 1. 0. 1. 0. 1.]
 [1. 0. 1. 0. 1. 0.]
 [0. 1. 0. 1. 0. 1.]
 [1. 0. 1. 0. 1. 0.]] # matrix of G2
[(0, 1), (0, 3), (0, 5), (1, 2), (1, 4), (2, 3), (2, 5), (3, 4), (4, 5)] # edges of G2

Answer 1

如 to_numpy_matrix 文档中所述，如果未使用参数 nodelist，则该方法隐式使用 G.nodes() 的顺序。

使用以下代码应该可以修复排序

nx.to_numpy_matrix(G, nodelist=sorted(G))

如何修复 Python 的 networkx 中 edges/nodes 的不一致标签？

How to fix inconsistent labelling of edges/nodes in Python's networkx?

python

mathematical-optimization

networkx

python-3.x