对 Networkx 图的节点进行排序答案

【问题标题】：Sorting the nodes of a Networkx graph对 Networkx 图的节点进行排序
【发布时间】：2020-07-25 02:54:18
【问题描述】：

我有以下图表，我删除和添加节点、边。

import networkx as nx
import matplotlib.pyplot as plt

G = nx.gnm_random_graph(n=10, m=15, seed=1)
pos = nx.spring_layout(G)
print(pos)
nx.set_node_attributes(G, pos, 'pos')
G.remove_edge(2, 9)
largest_cc = max(nx.connected_components(G), key=len)
G = G.subgraph(largest_cc).copy()
G.add_node(2, pos=pos[2])
G.add_edge(2, 8)
print(G.edges)
print(nx.get_node_attributes(G, 'pos'))
print(G.nodes)

最终的输出没有排序，下面是节点的编号（属性也没有排序）

print(G.nodes)
[0, 1, 3, 4, 5, 6, 7, 8, 9, 2]

预期输出：

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

我想知道如何创建排序图。

【问题讨论】：

标签： python-3.x sorting graph networkx

【解决方案1】：

一个简单的解决方法是将节点复制到一个新图表中：

H = nx.Graph()
H.add_nodes_from(sorted(G.nodes(data=True)))
H.add_edges_from(G.edges(data=True))

【讨论】：

【解决方案2】：

通过使用最大连接组件中的节点构建子图，您将删除第二个节点：

G = nx.gnm_random_graph(n=10, m=15, seed=1)
pos = nx.spring_layout(G)
nx.set_node_attributes(G, pos, 'pos')

G.remove_edge(2, 9)
largest_cc = max(nx.connected_components(G), key=len)
G.nodes()
# NodeView((0, 1, 2, 3, 4, 5, 6, 7, 8, 9))

G = G.subgraph(largest_cc).copy()
G.nodes()
# NodeView((0, 1, 3, 4, 5, 6, 7, 8, 9))

现在通过再次添加节点2G.add_node(2, pos=pos[2])，这实质上是更新节点数据字典（保存它的内部数据结构），字面意思是dict.update：

d = dict(G.nodes(data=True))
d.update({2:{'pos':[0.3, 0.5]}})
print(d)
{0: {'pos': array([ 0.33041585, -0.07185971])},
 1: {'pos': array([-0.19659528,  0.33972794])},
 3: {'pos': array([ 0.22691433, -0.1802301 ])},
 4: {'pos': array([0.22462413, 0.2452357 ])},
 5: {'pos': array([ 0.65037774, -0.18057473])},
 6: {'pos': array([-0.14587125, -0.13225175])},
 7: {'pos': array([0.05279257, 0.10579408])},
 8: {'pos': array([ 0.42384353, -0.46262269])},
 9: {'pos': array([-0.56650162,  0.13495046])},
 2: {'pos': [0.3, 0.5]}}

因此，该节点被附加为一个新字典 key/value 对，

G.add_node(2, pos=pos[2])
G.add_edge(2, 8)

G.nodes()
# NodeView((0, 1, 3, 4, 5, 6, 7, 8, 9, 2))

有Graph.add_nodes_from，但它只在节点存在的情况下更新属性（不会删除和重新添加节点），这是有道理的：

G.add_nodes_from(sorted(G.nodes(data=True)))
G.nodes()
NodeView((0, 1, 3, 4, 5, 6, 7, 8, 9, 2))

因此，要走的路是重新创建一个图，并分配排序的节点，如 warped 的回答：

H = nx.Graph()
H.add_nodes_from(sorted(G.nodes(data=True)))
H.add_edges_from(G.edges(data=True))

H.nodes()
# NodeView((0, 1, 2, 3, 4, 5, 6, 7, 8, 9))

【讨论】：