我试图通过一个从列表中构建邻接矩阵的玩具示例,但我已经无法弄清楚了。我在想.loc()但我不确定如何正确索引。
{'nodes':['A', 'B', 'C', 'D', 'E'],
'edges':[('A', 'B'), ('A', 'D'), ('B', 'C'), ('B', 'E'), ('C', 'D'),
('D', 'E'), ('E', 'A'),('E', 'B'), ('E', 'C')]}
我已经开始构建矩阵:
n = len(graph['nodes'])
adj_matr = pd.DataFrame(0, columns = graph['nodes'], index = graph['edges'])
但现在我不知道如何填写它。我认为有一个简单的一个班轮,也许有列表理解?
预期产量:
A B C D E
A 0 1 0 1 0
B 0 0 1 0 1
C 0 0 0 1 0
D 0 0 0 0 1
E 1 1 1 0 0
获得邻接矩阵的一种简单方法是使用NetworkX
d = {'nodes':['A', 'B', 'C', 'D', 'E'],
'edges':[('A', 'B'), ('A', 'D'), ('B', 'C'), ('B', 'E'), ('C', 'D'),
('D', 'E'), ('E', 'A'),('E', 'B'), ('E', 'C')]}
看来,从您的邻接矩阵中可以看到图形。您可以创建如下所示的有向图,并使用以下字典从字典中定义其节点和边:
import networkx as nx
g = nx.DiGraph()
g.add_nodes_from(d['nodes'])
g.add_edges_from(d['edges'])
然后你可以使用nx.adjacency_matrix
从网络中获取邻接矩阵:
m = nx.adjacency_matrix(g)
m.todense()
matrix([[0, 1, 0, 1, 0],
[0, 0, 1, 0, 1],
[0, 0, 0, 1, 0],
[0, 0, 0, 0, 1],
[1, 1, 1, 0, 0]], dtype=int64)
对于具有相应节点作为列的数据帧,您可以执行以下操作:
pd.DataFrame(m.todense(), columns=nx.nodes(g))
A B C D E
0 0 1 0 1 0
1 0 0 1 0 1
2 0 0 0 1 0
3 0 0 0 0 1
4 1 1 1 0 0
对于无向图
graph = {'nodes': ['A', 'B', 'C', 'D', 'E'],
'edges': [('A', 'B'), ('A', 'D'), ('B', 'C'), ('B', 'E'), ('C', 'D'),
('D', 'E'), ('E', 'A'), ('E', 'B'), ('E', 'C')]}
n = len(graph['nodes'])
adj_matr = pd.DataFrame(0, columns=graph['nodes'], index=graph['nodes'])
for i in graph['edges']:
adj_matr.at[i[0], i[1]] = 1
adj_matr.at[i[1], i[0]] = 1
print(adj_matr)
A B C D E
A 0 1 0 1 1
B 1 0 1 0 1
C 0 1 0 1 1
D 1 0 1 0 1
E 1 1 1 1 0
对于有向图:
graph = {'nodes': ['A', 'B', 'C', 'D', 'E'],
'edges': [('A', 'B'), ('A', 'D'), ('B', 'C'), ('B', 'E'), ('C', 'D'),
('D', 'E'), ('E', 'A'), ('E', 'B'), ('E', 'C')]}
n = len(graph['nodes'])
adj_matr = pd.DataFrame(0, columns=graph['nodes'], index=graph['nodes'])
print(adj_matr)
for i in graph['edges']:
adj_matr.at[i[0], i[1]] = 1
# adj_matr.at[i[1], i[0]] = 1
print(adj_matr)
A B C D E
A 0 1 0 1 0
B 0 0 1 0 1
C 0 0 0 1 0
D 0 0 0 0 1
E 1 1 1 0 0
对于有向图,您可以使用:
df = pd.DataFrame(graph['edges'], columns=['From', 'To'])
df['Edge'] = 1
adj = df.pivot(index='From', columns='To', values='Edge').fillna(0)