Python無(wú)權(quán)點(diǎn)文件轉(zhuǎn)化成鄰接矩陣方式
將無(wú)權(quán)點(diǎn)文件轉(zhuǎn)化成鄰接矩陣
目前點(diǎn)文件是兩列Excel代碼，在進(jìn)行復(fù)雜網(wǎng)絡(luò)運(yùn)算時(shí)需要轉(zhuǎn)化成鄰接矩陣。
我在網(wǎng)上找了一個(gè)代碼，稍微修改了下，親測(cè)可以成功轉(zhuǎn)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(gè)節(jié)點(diǎn)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(diǎn)數(shù)對(duì)應(yīng)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(duì)應(yīng)關(guān)系轉(zhuǎn)化為1
matrix[id1-1][id2-1] = 1 #鄰接矩陣對(duì)角對(duì)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(chǔ)轉(zhuǎn)化成鄰接矩陣后，python代碼對(duì)于點(diǎn)的計(jì)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(chǔ)方式，本文將簡(jiǎn)要介紹如何將無(wú)權(quán)無(wú)向圖的鄰接矩陣轉(zhuǎn)化為COO格式。
顧名思義，COO格式即坐標(biāo)格式，我們只需考慮鄰接矩陣中不為零的元素的坐標(biāo)。對(duì)于無(wú)權(quán)無(wú)向圖，其鄰接矩陣是對(duì)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(biāo)為(1,0),(2,1),(3,0)，因此所有不為零的元素的坐標(biāo)為(1,0),(0,1),(2,1),(1,2),(3,0),(0,3)。
將這六個(gè)坐標(biāo)轉(zhuǎn)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(duì)于無(wú)權(quán)無(wú)向圖，設(shè)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(wú)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(gè)數(shù)，因此這種情況下無(wú)論是有向圖還是無(wú)向圖，形狀均可統(tǒng)一為 (2, num_edges)。
numpy 實(shí)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(jié)
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了Python中的類與實(shí)例,類與實(shí)例的概念是Python學(xué)習(xí)當(dāng)中的基礎(chǔ)知識(shí),需要的朋友可以參考下2015-04-04
這篇文章主要為大家介紹了pytest官方文檔解讀fixtures的autouse，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-06-06
python實(shí)現(xiàn)鍵盤控制鼠標(biāo)移動(dòng)
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)鍵盤控制鼠標(biāo)移動(dòng)，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-10-10
在python里面，self, cls 不是關(guān)鍵字，完全可以使用自己寫的任意變量代替實(shí)現(xiàn)一樣的效果2009-07-07
這篇文章主要介紹了Python?動(dòng)態(tài)綁定屬性和方法，?動(dòng)態(tài)語(yǔ)言與靜態(tài)語(yǔ)言有很多不同，最大的特性之一就是可以實(shí)現(xiàn)動(dòng)態(tài)的對(duì)類和實(shí)例進(jìn)行修改，在Python中，我們創(chuàng)建了一個(gè)類后可以對(duì)實(shí)例和類綁定心的方法或者屬性，實(shí)現(xiàn)動(dòng)態(tài)綁定，下面詳細(xì)介紹需要的朋友可以參考一下2022-03-03
Python自動(dòng)創(chuàng)建Excel并獲取內(nèi)容
這篇文章主要介紹了Python自動(dòng)創(chuàng)建Excel并獲取內(nèi)容,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-09-09
再這篇文章中我們將主要對(duì)?Code?Object?進(jìn)行分析，并且詳細(xì)它是如何被反序列化的，通過本篇文章我們將能夠把握整個(gè)?pyc?文件結(jié)構(gòu)，感興趣的可以了解一下2023-05-05
Python實(shí)現(xiàn)RabbitMQ6種消息模型的示例代碼
這篇文章主要介紹了Python實(shí)現(xiàn)RabbitMQ6種消息模型的示例代碼，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-03-03
Python實(shí)現(xiàn)數(shù)值積分方式
今天小編就為大家分享一篇Python實(shí)現(xiàn)數(shù)值積分方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來(lái)看看吧2019-11-11
這篇文章主要介紹了Python NumPy中diag函數(shù)的使用說明，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來(lái)看看吧2021-05-05