基于分数矩阵对图的非边进行排名

Question

import networkx as nx
import numpy as np
G = nx.MultiGraph()
G.add_edges_from([('1', '2'), ('1', '3'),('1','5'),('2','4')])
l= list(nx.non_edges(G))

score=np.array([[0.9,0.7,0.2,0.6,0.4],[0.7,0.9,0.6,0.8,0.3],[0.2,0.6,0.9,0.4,0.7],[0.6,0.8,0.4,0.9,0.3],[0.4,0.3,0.7,0.3,0.9]])

我想根据分数矩阵对非边缘进行排名，即非边缘 1-4 的分数为 0.6，2-5 的分数为 0.3，因此输出将为 [1-4,2-5]

edit-我的实际数据采用 pandas 数据框的形式（下面是我的实际数据集的玩具数据集示例），我将其转换为 networkx 图形对象。

data1 = { 'node1': [1,1,1,2],
     'node2': [2,3,5,4],
     'weight': [1,1,1,1], }
df1 = pd.DataFrame(data1, columns = ['node1','node2','weight'])

分数矩阵是一个 5X5 矩阵的形式，其中元素 score[1,4] 表示节点 1 和 4 之间的边，其分数为 0.6

edit2-
从图 1 我们可以看到缺失的边是 1-4,2-3,2-5,3-4,3-5,3-5，它们各自的得分是 0.6 0.6 0.3 0.4 0.3 0.7 所以我们根据分数对它们进行排名，最终输出为 3-5 1-4 2-3 3-4 2-5 4-5

Answer 1

虽然您可以使用 nx.non_edges() 找到图中缺少边的位置，但该函数实际上并没有返回可以分配数据的对象——逻辑图中不存在非边，之后全部。但是，您可以创建第二个图表，其中包含第一个图表中没有的所有边，然后将您的分数分配给第二个图表中的边。

import networkx as nx
import numpy as np


G1 = nx.MultiGraph()
G1.add_edges_from([
    ('1', '2'),
    ('1', '3'),
    ('1', '5'),
    ('2', '4')])

G2 = nx.MultiGraph()
G2.add_edges_from(nx.non_edges(G1))

score = np.array([
    [0.9, 0.7, 0.2, 0.6, 0.4],
    [0.7, 0.9, 0.6, 0.8, 0.3],
    [0.2, 0.6, 0.9, 0.4, 0.7],
    [0.6, 0.8, 0.4, 0.9, 0.3],
    [0.4, 0.3, 0.7, 0.3, 0.9]])

for u, v, d in G2.edges(data=True):
    i = int(u) - 1
    j = int(v) - 1
    d['score'] = score[i, j]

编辑-

现在我知道您只关心排序的边向量，不需要为边分配分数，无需调用第二张图即可完成。您可以使用内置的 sorted() 函数并为 key 参数指定一个 lambda 函数。 lambda 查找每条边的得分值并使用该值进行排序。由于您首先需要高分边缘，因此您还必须指定 reverse=True。

import networkx as nx
import numpy as np


G = nx.MultiGraph()
G.add_edges_from([
    ('1', '2'),
    ('1', '3'),
    ('1', '5'),
    ('2', '4')])

score = np.array([
    [0.9, 0.7, 0.2, 0.6, 0.4],
    [0.7, 0.9, 0.6, 0.8, 0.3],
    [0.2, 0.6, 0.9, 0.4, 0.7],
    [0.6, 0.8, 0.4, 0.9, 0.3],
    [0.4, 0.3, 0.7, 0.3, 0.9]])

ranked_non_edges = sorted(
    nx.non_edges(G),
    key=lambda e: score[int(e[0])-1, int(e[1])-1],
    reverse=True)