Networkx 可以从不同的文件中读取节点和边吗？

Question

我有一个包含这些节点的 csv 文件，每个节点都有相关的坐标，如下所示：

    node x y
    A1  67.8    15.53
    A2  108.74  15.53
    B1  67.8    25.33
    B2  108.74  25.33
    C1  67.8    30.22
    C2  108.74  30.22
    D1  67.8    37.99
    D2  108.74  37.99
    E1  67.8    43.84

对于每个节点，我有另一个带边的文件，它表示每个连接节点之间的距离，如下所示：

   node1 node2 distance
   A1 A2 40.90
   A1 B1 9.8
   A2 B2 9.8
   B1 A1 9.8
   ...

那么，我该怎么做才能将节点及其对应的边添加到同一个图中？

我试过这个，但它不起作用：

    import pandas as pd 
    import networkx as nx 
    import matplotlib.pyplot as plt
    import numpy

    nodes = pd.read_csv('nodes.csv')
    print nodes

    G = nx.Graph()

    for row in nodes.iterrows():
      G.add_node(row[1][0], x=row[1][2],y=row[1][3])

     edgelist = pd.read_csv('edges.csv')

     print edgelist


     for i, elrow in edgelist.iterrows():
     G.add_edge(elrow.node1,elrow.node2,weight=elrow.distance)

     G.nodes(data=True)

     nx.draw(G)
     plt.show() 

我是 Python 新手，我需要将其作为我硕士论文代码的一部分。我使用的是 python 3.6，但我也安装了 2.7 版本。你能帮我完成这项工作吗？

Answer 1

Networkx 有一些实用功能，可以让您的生活更轻松。您可以使用nx.from_pandas_dataframe直接从您的edgesDataFrame生成图表：

edges = pd.read_csv('edges.csv', sep='\s+')
G = nx.from_pandas_dataframe(edges, 'node1', 'node2', ['distance'])

然后您可以通过将nodesDataFrame转换为字典列表来添加节点属性，然后将它们加载到图形中，G使用G.add_nodes_from(data)：

nodes = pd.read_csv('nodes.csv', sep='\s+')
data = nodes.set_index('node').to_dict('index').items()
G.add_nodes_from(data)

import pandas as pd 
import networkx as nx 
import matplotlib.pyplot as plt
import numpy as np

edges = pd.read_csv('edges.csv', sep='\s+')
G = nx.from_pandas_dataframe(edges, 'node1', 'node2', ['distance'])

nodes = pd.read_csv('nodes.csv', sep='\s+')
data = nodes.set_index('node').to_dict('index').items()
G.add_nodes_from(data)
print(G.nodes(data=True))
print(G.edges(data=True))

打印（对于G.nodes(data=True)）：

NodeDataView({'D1': {'y': 37.990000000000002, 'x': 67.799999999999997}, 'A1': {'y': 15.529999999999999, 'x': 67.799999999999997}, 'C2': {'y': 30.219999999999999, 'x': 108.73999999999999}, 'B2': {'y': 25.329999999999998, 'x': 108.73999999999999}, 'D2': {'y': 37.990000000000002, 'x': 108.73999999999999}, 'C1': {'y': 30.219999999999999, 'x': 67.799999999999997}, 'A2': {'y': 15.529999999999999, 'x': 108.73999999999999}, 'E1': {'y': 43.840000000000003, 'x': 67.799999999999997}, 'B1': {'y': 25.329999999999998, 'x': 67.799999999999997}})

和（对于G.edges(data=True)）：

EdgeDataView([('A1', 'A2', {'distance': 40.9}), ('A1', 'B1', {'distance': 9.8}), ('B2', 'A2', {'distance': 9.8})])