基于分数矩阵的图的非边排序
基于分数矩阵的图的非边排序
提问于 2017-12-01 16:22:16
import networkx as nx
import numpy as np
G = nx.MultiGraph()
G.add_edges_from([('1', '2'), ('1', '3'),('1','5'),('2','4')])
l= list(nx.non_edges(G))
score=np.array([[0.9,0.7,0.2,0.6,0.4],[0.7,0.9,0.6,0.8,0.3],[0.2,0.6,0.9,0.4,0.7],[0.6,0.8,0.4,0.9,0.3],[0.4,0.3,0.7,0.3,0.9]])我想根据分数矩阵对非边进行排序，即非边1-4有0.6 ,2-5有0.3，所以输出是1-4,2-5。
编辑-我的实际数据是以熊猫数据的形式(下面是一个玩具数据集的例子，我的实际数据集)，我正在转换为一个networkx图形对象。
data1 = { 'node1': [1,1,1,2],
'node2': [2,3,5,4],
'weight': [1,1,1,1], }
df1 = pd.DataFrame(data1, columns = ['node1','node2','weight'])得分矩阵的形式是矩阵5X5，其中元素评分1，4表示节点1和4之间的边缘，其得分为0.6。
社论2-
从图1可以看出，缺失的边是1-4, 2-3 , 2-5 , 3-4 , 3-5 ,3-5，3-5，3-5，3-5，分别是0.6，0.3，0.3，0.7，所以我们根据分数对它们进行排序，最终输出是3-5 1-4 -2-3-3-4-4-4- 4-5。
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-12-01 17:30:32
尽管您可以使用nx.non_edges()找到图中缺少边缘的位置，但该函数实际上并不返回可以分配数据的对象--毕竟逻辑图中不存在非边。但是，您可以创建一个包含第一个图中的所有边的第二个图，然后将分数分配给第二个图中的边。
import networkx as nx
import numpy as np
G1 = nx.MultiGraph()
G1.add_edges_from([
('1', '2'),
('1', '3'),
('1', '5'),
('2', '4')])
G2 = nx.MultiGraph()
G2.add_edges_from(nx.non_edges(G1))
score = np.array([
[0.9, 0.7, 0.2, 0.6, 0.4],
[0.7, 0.9, 0.6, 0.8, 0.3],
[0.2, 0.6, 0.9, 0.4, 0.7],
[0.6, 0.8, 0.4, 0.9, 0.3],
[0.4, 0.3, 0.7, 0.3, 0.9]])
for u, v, d in G2.edges(data=True):
i = int(u) - 1
j = int(v) - 1
d['score'] = score[i, j]编辑-
现在我知道了，您只关心排列好的边缘向量，不需要将分数分配到边缘，就可以在不调用第二个图的情况下完成。您可以使用内置的排序()函数，并为键参数指定lambda函数。lambda查找每个边的得分值，并使用该值进行排序。因为你首先想要高分的边缘，所以你也必须指定reverse=True.
import networkx as nx
import numpy as np
G = nx.MultiGraph()
G.add_edges_from([
('1', '2'),
('1', '3'),
('1', '5'),
('2', '4')])
score = np.array([
[0.9, 0.7, 0.2, 0.6, 0.4],
[0.7, 0.9, 0.6, 0.8, 0.3],
[0.2, 0.6, 0.9, 0.4, 0.7],
[0.6, 0.8, 0.4, 0.9, 0.3],
[0.4, 0.3, 0.7, 0.3, 0.9]])
ranked_non_edges = sorted(
nx.non_edges(G),
key=lambda e: score[int(e[0])-1, int(e[1])-1],
reverse=True)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/47597418
复制相关文章
相似问题
腾讯云开发者
