使用 Python 对大型网络进行洗牌

Question

我有一个大型网络要分析。例如：

import networkx as nx
import random

BA = nx.random_graphs.barabasi_albert_graph(1000000, 3)
nx.info(BA)

我必须在保持度数分布不变的同时对边缘进行洗牌。基本思想由Maslov介绍。因此，我和我的同事编写了一个 shuffleNetwork 函数，我们在其中对网络对象 G 工作了 num 次。边缘是一个列表对象。

问题是这个函数对于大型网络来说运行太慢了。我尝试使用 set 或 dict 而不是 list 作为边缘对象（set 和 dict 是哈希表）。但是，由于我们还需要删除和添加元素，时间复杂度变得更大。

您对进一步优化此功能有什么建议吗？

def shuffleNetwork(G,Num):
    edges=G.edges()
    l=range(len(edges))
    for n in range(Num):
        i,j = random.sample(l, 2)
        a,b=edges[i]
        c,d=edges[j]
        if a != d and c!= b:
            if not (a,d) in edges or (d, a) in edges or (c,b) in edges or (b, c) in edges:
                edges[i]=(a,d)
                edges[j]=(c,b)
    K=nx.from_edgelist(edges)
    return K



import timeit
start = timeit.default_timer()
#Your statements here
gr = shuffleNetwork(BA, 1000)
stop = timeit.default_timer()
print stop - start 

Answer 1

你应该考虑使用nx.double_edge_swap

文档是here。它看起来完全符合您的要求，但修改了图表。

我不确定它是否会解决速度问题，但它确实避免了生成列表，所以我认为它会比你所拥有的做得更好。

您可以使用nx.double_edge_swap(G,nswap=number) 调用它