评估两个邻接矩阵的相似度，Python

Question

我有很多邻接矩阵，我已经使用下面的内容将它们转换为边列表（存储为列表）（我愿意接受更好的边列表代码，尽管这不是本文的重点）：

def edges (mat):
    edgelist = []
    n = len(mat)
    for i in range(n):
        for j in range(n):
            if i<j:
                if mat[i][j] > 0.0001:
                    edgelist.append([abs(float(mat[i][j])),i,j])
    edgeframe = pandas.DataFrame(edgelist)
    return edgeframe

我想评估

edge_lists[0]

和

edge_lists[4]

之间的边缘差异。

具体来说，我想知道哪些条目从第一个边缘列表到下一个边缘列表消失了。我的第一个想法是看看有多少行和列使用这个保持不变：

adj1 = edge_lists[0]
adj2 = edge_lists[4]
np.sum(adj1 == adj2)
0     0
1    56
2    39
dtype: int64

但这不起作用。第一个邻接矩阵可以在第 5 行、第 5 列中具有非零值。该条目可以是第一个边列表的第 20 行。如果第二个邻接矩阵的第 5 行第 5 列也有非零值，但该条目是第二个边列表的第 21 行，则上述代码将崩溃。

有没有办法为边缘列表分配唯一值来表示行和列的精确组合？在 Excel 中，我将为每个边缘列表创建“行和列”并比较两者。我不知道如何在 python 中做到这一点。

Answer 1

import pandas as pd

def assign_edge_labels(edgeframe):
    edgeframe['edge_label'] = edgeframe.apply(lambda row: f"{row[1]}&{row[2]}", axis=1)
    return edgeframe

# Create edge lists
edge_lists = [edges(mat1), edges(mat2)]  # Replace mat1 and mat2 with your adjacency matrices

# Assign unique labels to each edge in the edge lists
edge_lists[0] = assign_edge_labels(edge_lists[0])
edge_lists[1] = assign_edge_labels(edge_lists[1])

# Find the edges that disappeared from the first edge list to the second edge list
disappeared_edges = edge_lists[0][~edge_lists[0]['edge_label'].isin(edge_lists[1]['edge_label'])]

print(disappeared_edges)