使用 python 或 R 将邻接矩阵转换为 torch_geometric.data.Data 格式

Question

我正在尝试将邻接矩阵转换为 torch_geometric.data.Data 格式。我可以使用 csr_matrix 边缘索引列表。

我还想知道我应该为 x: 形状为 [num_nodes, num_node_features] 的节点特征矩阵输入什么，这是否应该是边权重的矩阵？如果能够清楚地了解节点特征列的相关内容，那就太好了；具有理论应用的实际或理论示例会很棒。

如有帮助，我们将不胜感激。

import torch

# creating tensor from targets_df 
torch_tensor = torch.tensor(adjacencyMat_df.iloc[: , 1:].values) #https://stackoverflow.com/questions/50307707/convert-pandas-dataframe-to-pytorch-tensor
torch_tensor

import scipy.sparse as scpy

A=scpy.csr_matrix(torch_tensor)
print(A)

data = Data(x=x, edge_index=edge_index)

Answer 1

和我原来想的一样。它可能涉及所选特征的 90 度旋转，每个样本结果都沿着列。那么每一行代表一个节点。

Answer 2

我不知道“火炬几何数据”是什么意思，但在 PyG 中，您可以使用密集矩阵格式来存储邻接矩阵数据，也可以使用仅包含可用连接的稀疏格式。 另外，节点特征不是“边缘权重”，为了更好地理解它，您可以分别查看边缘特征和节点特征，这意味着根据您要执行的特定学习任务，这些参数可以具有不同的含义，例如node_features可以是分子数据集中使用的原子列表，或者edge_features可以是道路地图数据集中的交通延迟