查找具有公共连接的节点答案

【问题标题】：Find nodes with common connections查找具有公共连接的节点
【发布时间】：2020-04-12 17:45:47
【问题描述】：

目前，我已经创建了一个将疾病映射到症状的二分网络图。因此，一种疾病可能与一种或多种症状有关。另外，我有一些基本统计数据，例如，至少有一种疾病的症状等。

import networkx as nx

csv_dictionary = {"Da": ["A", "C"], "Db": ["B"], "Dc": ["A", "C", "F"], "Dd": ["D"], "De": ["E", "B"], "Df":["F"], "Dg":["F"], "Dh":["F"]}

G = nx.Graph()

all_symptoms = set()
for disorder, symptoms in csv_dictionary.items():
    for i in range (0, len(symptoms)):
        G.add_edge(disorder, symptoms[i])

        all_symptoms.add(symptoms[i])

symptoms_with_multiple_diseases = [symptom for symptom in all_symptoms if G.degree(symptom) > 1]

sorted_symptoms = list(sorted(symptoms_with_multiple_diseases, key= lambda symptom: 
G.degree(symptom)))

我需要找到至少有两种症状的疾病。因此，具有两个共同症状的疾病。我做了一些研究，我认为我应该根据它们的连接方式为我的边缘添加权重，但我无法绕开它。

因此，在上面的示例中，Da 和 Dc 共享两个症状（A 和 C）。

【问题讨论】：

标签： data-science networkx graph-theory bipartite

【解决方案1】：

您可以遍历中心度高于2 的disorder 节点的长度2 组合，并找到每个组合的nx.common_neighbours，只保留至少共享2 邻居的那些。

因此，首先也要跟踪所有疾病：

all_symptoms = set()
all_disorders = set()

for disorder, symptoms in csv_dictionary.items():
    for i in range (0, len(symptoms)):
        G.add_edge(disorder, symptoms[i])
        all_symptoms.add(symptoms[i])
    all_disorders.add(disorder)

查看哪些学位高于2：

disorders_with_multiple_diseases = [symptom for symptom in all_disorders 
                                    if G.degree(symptom) > 1]

然后遍历all_dissorders的所有2组合：

from itertools import combinations

common_symtpoms = dict()
for nodes in combinations(all_disorders, r=2):
    cn = list(nx.common_neighbors(G, *nodes))
    if len(cn)>1:
        common_symtpoms[nodes] = list(cn)

print(common_symtpoms)
# {('Da', 'Dc'): ['A', 'C']}

【讨论】：