NetworkX DiGraph() 到 Graph() 的边权重未求和，如何求和？

Question

我有一些关系数据想要加载到 NetworkX 中，并最终将其转换为加权图。

本质上，关系边是有向和加权的，我想在转换图形时保留权重属性。使用以下代码，我已经能够将关系边从字典加载到MultiDiGraph()：

MG = nx.MultiDiGraph([(i['source'],i['target']) for i in edges ])

然后，我将 转换MultiDiGraph()为 a DiGraph()，并将重复的边压缩为一条，并更新每条边的边权重：

G = nx.DiGraph()
for (u,v) in MG.edges():
    G.add_edge(u, v, weight=len(MG[u][v]))

从这里，我想将 转换DiGraph()为 a Graph()，并再次保留并压缩边权重：

g = G.to_undirected()

但我遇到的问题是，它似乎保留了为'a' -> 'b'or找到的第一个边权重'b' -> 'a'。

我想要的是在到达无向边缘时将这些边缘的总和保持为权重。

下面是一个示例，展示了我正在使用的内容：

# relational directed edge data containing duplicate edges 
edges = [{'source': 'a', 'target': 'b'},
         {'source': 'a', 'target': 'b'},
         {'source': 'a', 'target': 'b'},
         {'source': 'b', 'target': 'a'},
         {'source': 'a', 'target': 'c'},
         {'source': 'c', 'target': 'a'},
         {'source': 'c', 'target': 'd'},
         {'source': 'c', 'target': 'd'},
         {'source': 'd', 'target': 'c'}]

# load edges into a MultiDiGraph to maintain direction and duplicate edges
MG = nx.MultiDiGraph([(i['source'],i['target']) for i in edges ])

MG.edges(data=True) = [('a', 'c', {}),
                       ('a', 'b', {}),
                       ('a', 'b', {}),
                       ('a', 'b', {}),
                       ('c', 'a', {}),
                       ('c', 'd', {}),
                       ('c', 'd', {}),
                       ('b', 'a', {}),
                       ('d', 'c', {})]

# convert MultiDiGraph to a DiGraph and update edge weight
G = nx.DiGraph()
for (u,v) in MG.edges():
    G.add_edge(u, v, weight=len(MG[u][v]))

G.edges(data=True) = [('a', 'c', {'weight': 1}),
                      ('a', 'b', {'weight': 3}),
                      ('c', 'a', {'weight': 1}),
                      ('c', 'd', {'weight': 2}),
                      ('b', 'a', {'weight': 1}),
                      ('d', 'c', {'weight': 1})]

# convert DiGraph to a Graph, but edge weight not updated as sum, but first value
g = G.to_undirected()

g.edges(data=True) = [('a', 'c', {'weight': 1}),
                      ('a', 'b', {'weight': 1}),
                      ('c', 'd', {'weight': 1})]

最终，我希望无向图中的边权重如下，但我无法弄清楚这是否是 G.to_undirected 的选项或如何执行此操作：

g.edges(data=True) = [('a', 'c', {'weight': 2}),
                      ('a', 'b', {'weight': 4}),
                      ('c', 'd', {'weight': 3})]

Answer 1

G.to_undirected() 不能用于控制无向边获取哪些数据，请参阅networkx 文档

您也可以执行以下操作：

import networkx as nx

G = nx.DiGraph()
G.add_edges_from([('a', 'c', {'weight': 1}),
                  ('a', 'b', {'weight': 3}),
                  ('c', 'a', {'weight': 1}),
                  ('c', 'd', {'weight': 2}),
                  ('b', 'a', {'weight': 1}),
                  ('d', 'c', {'weight': 1})])

print G.edges(data=True)

g = nx.Graph()
g.add_edges_from(G.edges_iter(), weight=0)

print g.edges(data=True)

for u, v, d in G.edges_iter(data=True):
    g[u][v]['weight'] += d['weight']

print g.edges(data=True)

基本上，您创建一个新的无向图 g 并用有向图 G 中的所有边填充它。此时，您还将边的权重初始化为 0。最后，您只需将权重添加到无向图中的每条边。请注意，在无向图中，边 (u, v) 与 (v, u) 相同。