Python無權點文件轉化成鄰接矩陣方式
將無權點文件轉化成鄰接矩陣
目前點文件是兩列Excel代碼,在進行復雜網(wǎng)絡運算時需要轉化成鄰接矩陣。
我在網(wǎng)上找了一個代碼,稍微修改了下,親測可以成功轉化。
import csv
import numpy as np
import pandas as pd
import networkx as nx
import matplotlib.pyplot as plt
f = open('D:/ii/R/C3000.csv')
#數(shù)據(jù)兩列(id1,id2),每一行表示這兩個節(jié)點之間存在邊
data = [tuple(map(int, row)) for row in csv.reader(f)]#讀取數(shù)據(jù)
n = max(max(id1, id2) for id1, id2 in data)
print(n)#最大節(jié)點數(shù)對應鄰接矩陣的行列數(shù)
matrix = np.zeros((n,n))#生成n行n列的全0數(shù)組
for id1, id2 in data:
matrix[id2-1][id1-1] = 1#遍歷數(shù)據(jù),將對應關系轉化為1
matrix[id1-1][id2-1] = 1 #鄰接矩陣對角對稱
print(matrix)
df = pd.DataFrame(matrix)
df.to_csv("D:/ii/R/Adjacency Matrix.csv")
#生成鄰接矩陣并存儲轉化成鄰接矩陣后,python代碼對于點的計算是從0開始的
鄰接矩陣的COO格式
我們知道,鄰接矩陣通常是稀疏矩陣,而COO格式(Coordinate Format)是稀疏矩陣的一種存儲方式,本文將簡要介紹如何將無權無向圖的鄰接矩陣轉化為COO格式。
顧名思義,COO格式即坐標格式,我們只需考慮鄰接矩陣中不為零的元素的坐標。對于無權無向圖,其鄰接矩陣是對稱陣并且元素非 0 0 0 即 1 1 1,
考慮下面的鄰接矩陣:

先考慮下三角部分,不為零的元素的坐標為(1,0),(2,1),(3,0),因此所有不為零的元素的坐標為(1,0),(0,1),(2,1),(1,2),(3,0),(0,3)。
將這六個坐標轉置成列向量并沿列方向拼在一起即可得到此鄰接矩陣的COO格式:

容易看出,對于無權無向圖,設它有 num_edges 條邊,則鄰接矩陣的COO格式的形狀為 (2, num_edges * 2)。
在 PyG 中,一條無向邊被視為兩條有向邊的組合,COO格式中的 num_edges 指的是有向邊的個數(shù),因此這種情況下無論是有向圖還是無向圖,形狀均可統(tǒng)一為 (2, num_edges)。
numpy 實現(xiàn):
import numpy as np
def adj2coo(adj):
"""Convert the adjacency matrix to its COO format
Args:
adj (ndarray): Adjacency matrix
Returns:
ndarray: COO format
"""
return np.vstack(adj.nonzero())
例如:
a = np.array([[0, 1, 0, 1], [1, 0, 1, 0], [0, 1, 0, 0], [1, 0, 0, 0]]) print(adj2coo(a)) # [[0 0 1 1 2 3] # [1 3 0 2 1 0]]
總結
以上為個人經(jīng)驗,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關文章
python將txt等文件中的數(shù)據(jù)讀為numpy數(shù)組的方法
今天小編就為大家分享一篇python將txt等文件中的數(shù)據(jù)讀為numpy數(shù)組的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-12-12
python數(shù)據(jù)預處理 :數(shù)據(jù)共線性處理詳解
今天小編就為大家分享一篇python數(shù)據(jù)預處理 :數(shù)據(jù)共線性處理詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02
python創(chuàng)建Flask Talisman應用程序的步驟詳解
Flask是一個功能強大的Web框架,主要用于使用Python語言開發(fā)有趣的Web應用程序,Talisman基本上是一個Flask擴展,用于添加HTTP安全標頭我們的Flask應用程序易于實施,本文就給大家講講帶Talisman的Flask安全性,需要的朋友可以參考下2023-09-09

