查找给定节点的最高权重边答案

【问题标题】：Find highest weight edge(s) for a given node查找给定节点的最高权重边
【发布时间】：2013-08-15 15:35:56
【问题描述】：

我在 NetworkX 中有一个有向图。边的权重从 0 到 1，表示它们发生的概率。网络连通性非常高，所以我想为每个节点修剪边缘，只保留概率最高的节点。

我不确定如何遍历每个节点并在图中仅保留最高权重的in_edges。是否有允许我们这样做的 networkx 功能？

这是我想做的一个例子。

Nodes:
A, B, C, D

Edges:
A->B, weight=1.0
A->C, weight=1.0
A->D, weight=0.5
B->C, weight=0.9
B->D, weight=0.8
C->D, weight=0.9

Final Result Wanted:
A->B, weight=1.0
A->C, weight=1.0
C->D, weight=0.9

如果一个节点有两条边，并且它们的权重都最高，我想保留它们。

【问题讨论】：

标签： python python-2.7 networkx

【解决方案1】：

这里有一些想法：

import networkx as nx

G = nx.DiGraph()
G.add_edge('A','B', weight=1.0)
G.add_edge('A','C', weight=1.0)
G.add_edge('A','D', weight=0.5)
G.add_edge('B','C', weight=0.9)
G.add_edge('B','D', weight=0.8)
G.add_edge('C','D', weight=0.9)

print "all edges"
print G.edges(data=True)

print "edges >= 0.9"
print [(u,v,d) for (u,v,d) in G.edges(data=True) if d['weight'] >= 0.9]

print "sorted by weight"
print sorted(G.edges(data=True), key=lambda (source,target,data): data['weight'])

【讨论】：

Aric，您的答案与我正在寻找的答案非常接近，但您设置的阈值有问题。我不是在寻找超过某个阈值 (weight >=0.9) 的东西。您会看到 B->C 不包括在内，因为有一条边 A->C 的权重更高。相反，我正在寻找进入给定节点的最高价值边。也许我必须编辑问题以使其更清楚？
再看一遍，您的回答为我提供了我需要做的事情的灵感。我稍后会发布我的解决方案，但与此同时，我会对你的答案进行投票。

【解决方案2】：

我的解决方案受到 Aric 的启发。我使用了以下代码：

for node in G.nodes():
    edges = G.in_edges(node, data=True)
    if len(edges) > 0: #some nodes have zero edges going into it
        min_weight = min([edge[2]['weight'] for edge in edges])
        for edge in edges:
            if edge[2]['weight'] > min_weight:
                G.remove_edge(edge[0], edge[1])

【讨论】：

【解决方案3】：

由于以下Runtime Error，提供的 ericmjl 解决方案在我的程序中无法完全运行。此外，它保留了概率最低的边缘，而不是最高的边缘，正如问题中所问的那样（因为：删除所有权重 > min 的边，而不是删除所有权重 1 进行内循环就足够了，因为我们希望从具有多条边的节点中删除所有边。

完整的解决方案：

for node in G.nodes():
    edges = G.edges(node, data=True)
    if len(edges) > 1:  # some nodes have zero edges going into it
        max_weight = max([edge[2]['weight'] for edge in edges])

        for edge in list(edges):
            if edge[2]['weight'] < max_weight:
                G.remove_edge(edge[0], edge[1])

【讨论】：