在networkx python中，如何将一组新的节点和边连接到图中的每个节点？答案

【问题标题】：In networkx python, how to connect a new bunch of nodes and edges to each node in a graph?在networkx python中，如何将一组新的节点和边连接到图中的每个节点？
【发布时间】：2019-11-22 08:46:49
【问题描述】：

目前我创建了一个图表如下：

import networkx as nx
edges = []
for i in range (10):
    edges.append((i,i+1))
edges += [(10,0), (1,10), (2,8), (3,7), (4,6), (4,10), (5,10)]
# create the graph
G = nx.Graph()
G.add_nodes_from([i for i in range (11)])
G.add_edges_from(edges)

现在我需要根据 ????=3 的幂律分布将随机数量的新节点连接到上述核心网络的每个节点。所以我得到了一个具有幂律分布的新图（例如：15 个节点）：

s1 = nx.utils.powerlaw_sequence(15, 3) #15 nodes, power-law exponent 3
G1 = nx.expected_degree_graph(s1, selfloops=False)

现在如何将这个新图表连接到我之前网络中的某个节点？尝试过add_nodes_from，但它们似乎覆盖了以前的节点，这很奇怪；而且我无法确保它们已连接到某个节点。或者有什么直接的方法可以做到这一点？感谢您帮助我！

【问题讨论】：

您能提供预期的输出吗？我知道这是随机的，但请举个例子:)
新节点需要新的数字/值——如果你再次添加[i for i in range(11)]，那么它会替换它们。如果您添加 [i for i in range(11, 13)]，那么它将添加新节点 - 11,12。也许创建具有唯一值的节点 - 即。 (uniq_number, value)

标签： python graph networkx power-law

【解决方案1】：

问题是由于nx.expected_degree_graph 创建了一个图，其节点的标签为0 ... 14。如果您尝试加入G 和G1，则具有相同名称的节点将被合并。

您需要G1 才能拥有具有唯一标签的节点。您可以使用relabel_nodes 函数实现这样的结果：

relabel_dict = {node: node+len(G.nodes) for node in G1.nodes}
G1 = nx.relabel_nodes(G1, relabel_dict)

现在您可以使用compose 函数安全地加入G 和G1：

new_G = nx.compose(G, G1)

【讨论】：