标签: networkx

我有一个具有特定属性的节点图,我想在Python中通过networkx绘制图形,其中有几个属性作为节点外节点的标签.

有人可以帮助我如何编写我的代码来实现这一目标？

我的代码中有一个循环生成"interface_？" 防火墙列表中每个输入的属性(fwList)

for y in fwList:
    g.add_node(n, type='Firewall')
    print 'Firewall ' + str(n) + ' :' 
    for x in fwList[n]:
        g.node[n]['interface_'+str(i)] = x
        print 'Interface '+str(i)+' = '+g.node[n]['interface_'+str(i)]
        i+=1
    i=1
    n+=1

然后,我稍后绘制节点和边缘,如:

pos=nx.spring_layout(g)
nx.draw_networkx_edges(g, pos)
nx.draw_networkx_nodes(g,pos,nodelist=[1,2,3],node_shape='d',node_color='red')

并将稍后将其扩展到一些具有其他形状和颜色的新节点.

为了标记我在代码下面尝试的单个属性,但它没有用

labels=dict((n,d['interface_1']) for n,d in g.nodes(data=True))

为了将文本放出节点,我不知道......

我正在根据给定的Y值序列创建一个图形curveSeq.(X值自动枚举:0,1,2 ......)

即为curveSeq = [10,20,30],我的图表将包含点:

<0,10>, <1,20>, <2,30>.

我正在绘制一系列图表nx.Graph,以便在一张图片中呈现所有内容.

我的问题是:

• 每个节点都显示其位置.即位置中的节点<0,10>呈现其各自的标签,我不知道如何删除它.
• 我想要添加标签的特定节点,但我不知道如何.

例如,对于序列:

[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1,1]

收到的图表是:

代码是:

for point in curveSeq:
                cur_point = point
                #assert len(cur_point) == 2
                if prev_point is not None:
                    # Calculate the distance between the nodes with the Pythagorean
                    # theorem
                    b = cur_point[1] - prev_point[1]
                    c = cur_point[0] - prev_point[0]
                    a = math.sqrt(b ** 2 + c ** 2)
                    G.add_edge(cur_point, prev_point, weight=a)
                G.add_node(cur_point)
                pos[cur_point] = cur_point
                prev_point = …

根据networkx文档,connected_component_subgraphs(G)返回所有组件的排序列表.因此,第一个应该是最大的组件.

但是,当我尝试使用文档页面上的示例代码获取图G的最大组件时

G=nx.path_graph(4)
G.add_edge(5,6)
H=nx.connected_component_subgraphs(G)[0]

我明白了

TypeError: 'generator' object has no attribute '__getitem__'

它曾经在我的另一台计算机上运行早期版本的networkx(1.7我想,不是100%肯定)

现在我使用的是另一台配备python 2.7.7和networkx 1.9的计算机.这是版本问题吗？

我自己编写了一个带有几行的小函数来找到最大的组件,只是想知道为什么会出现这个错误.

顺便说一句,我可以通过将生成器对象转换为列表来获取组件.

components = [comp for comp in nx.connected_components(G)]

但是列表不按文档中所述的组件大小排序.

例:

G = nx.Graph()
G.add_edges_from([(1,2),(1,3),(4,5)])
G.add_nodes_from(range(6,20))
components = [comp for comp in nx.connected_components(G)]
component_size = [len(comp) for comp in components]
print G.number_of_nodes(), G.number_of_edges(), component_size

G = nx.Graph()
G.add_edges_from([(1000,2000),(1000,3000),(4000,5000)])
G.add_nodes_from(range(6,20))
components = [comp for comp in nx.connected_components(G)]
component_size = [len(comp) for comp in components]
print G.number_of_nodes(), G.number_of_edges(), component_size

输出:

19 3 [3, 2, 1, …

B = nx.Graph()
B.add_nodes_from(data['movie'].unique(), bipartite=0, label='movie')
B.add_nodes_from(data['actor'].unique(), bipartite=1, label='actor')
B.add_edges_from(edges, label='acted')

A = list(nx.connected_component_subgraphs(B))[0]

当我尝试使用 nx.connected_component_subgraphs(G) 时，我收到以下给定的错误。请帮助解决这个问题。

在数据集中有两个 couns（电影和演员），它是二部图的形式。

我想获得电影节点的连接组件。

----> 1 A = list(nx.connected_component_subgraphs(B))[0]中的AttributeError Traceback（最近一次调用）

AttributeError: 模块“networkx”没有属性“connected_component_subgraphs”

我正在尝试用 networkx 和 Python 绘制简单的图形。

这是我的代码：

import networkx as nx
import matplotlib.pyplot as plt
G = nx.complete_graph(5)
nx.draw(G, with_labels=True, font_weight='bold')
plt.show()

但我收到错误

Message=random_state_index is incorrect
Source=***\PythonTest.py
StackTrace:
File "***\PythonTest.py", line 15, in <module>
  nx.draw(G, with_labels=True)

Python 3.7 64bit

OS Windows

networkx 2.2 ,2.3 或 2.5 也有同样的问题。

目标：我正在尝试将网络中的图形导入 PyTorch 几何图形并设置标签和节点特征。

（这是Python中的）

问题）：

1. 我该如何做到这一点[从networkx到PyTorch几何的转换]？（大概是通过使用该from_networkx功能）
2. 如何传输节点特征和标签？（更重要的问题）

我看过一些其他/以前的帖子有这个问题，但他们没有得到回答（如果我错了，请纠正我）。

尝试：（我刚刚在下面使用了一个不切实际的例子，因为我无法在这里发布任何真实的内容）

让我们想象一下我们正在尝试在一组汽车上执行图形学习任务（例如节点分类）（正如我所说的不太现实）。也就是说，我们有一组汽车、一个邻接矩阵和一些特征（例如年底的价格）。我们想要预测节点标签（即汽车的品牌）。

我将使用以下邻接矩阵：（抱歉，不能使用乳胶来格式化它）

A = [(0, 1, 0, 1, 1), (1, 0, 1, 1, 0), (0, 1, 0, 0, 1), (1, 1, 0, 0, 0) , (1, 0, 1, 0, 0)]

这是代码（适用于 Google Colab 环境）：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import networkx as nx
from torch_geometric.utils.convert import to_networkx, from_networkx
import torch

!pip install torch-scatter torch-sparse torch-cluster …

我有一个巨大的图表数据集 - 让我们说它是这样的,但在更大的层面上:

1 -> 2
3 -> 4

1,2,3,4是节点,箭头是有向边.假设它们都在一个图形对象中:

import networkx as nx
G = nx.DiGraph()
G.add_nodes_from([1,2,3,4])
G.add_edge(1,2)
G.add_edge(3,4)

给定一个像这样的对象,它在图形中有两个迷你图形,我们如何拉出每个迷你图形？我觉得必须有这个词吗？我的最终结果如下:

for mini_graph in G:
    print mini_graph.nodes()

...
[1,2]
[3,4]

我有代码

import networkx as nx
import matplotlib.pyplot as plt

G = nx.DiGraph()

G.add_nodes_from([1, 2, 3, 4])
G.add_edges_from([(1, 2), (2, 1), (2, 3)])

nx.draw(G)
plt.savefig("graph.png")
plt.show()

它绘制了以下图表:

但是,我需要显示标签.如何在图形的节点内显示数值和单词(一,二,三和四)？

在看了令人印象深刻的性能比较后,我决定尝试使用图形工具.因此,为了进行比较,我编写了代码以使用两个包生成随机树.

图形工具代码:

import numpy as np
import graph_tool.all as gt

# construct an initial graph with two nodes and one link
n = 5000
G = gt.Graph(directed = False)
G.add_edge(0, 1)

for t in range(2, n):
    # connect the new vertex to one of the old vertices randomly
    G.add_edge(np.random.choice(range(t)), t)

Networkx代码:

import networkx as nx
import numpy as np

n = 5000
# initial graph
G = nx.Graph()
G.add_edge(0, 1)

for t in range(2, n):
    G.add_edge(t, np.random.choice(range(t)))

图形工具在我的4核机器上大约需要14秒,而networkx在同一台机器上需要不到2秒!我错过了一些明显的东西吗 …

操作 使用连通分量基于距离和标签对点进行聚类。

问题 NetworkX 节点存储属性和 Pandas DataFrame 之间的来回切换

• 看起来太复杂
• 查找节点时的索引/键错误

尝试 使用不同的函数，如 Scikit NearestNeighbours，但导致数据的来回移动相同。

问题 是否有更简单的方法来执行此连接组件操作？

例子

import numpy as np
import pandas as pd
import dask.dataframe as dd
import networkx as nx
from scipy import spatial

#generate example dataframe
pdf = pd.DataFrame({'x':[1.0,2.0,3.0,4.0,5.0],
                    'y':[1.0,2.0,3.0,4.0,5.0], 
                    'z':[1.0,2.0,3.0,4.0,5.0], 
                    'label':[1,2,1,2,1]}, 
                   index=[1, 2, 3, 4, 5])
df = dd.from_pandas(pdf, npartitions = 2)

object_id = 0
def cluster(df, object_id=object_id):
    # create kdtree
    tree = spatial.cKDTree(df[['x', 'y', 'z']])

    # get neighbours within distance for every point, store …