Python NetworkX to_numpy_matrix用法及代码示例

将图形邻接矩阵作为NumPy 矩阵返回。

参数：

G：图形

NetworkX 图用于构造NumPy 矩阵。

nodelist：列表，可选

行和列根据 nodelist 中的节点进行排序。如果nodelist 为无，则排序由 G.nodes() 生成。

dtype：NumPy 数据类型，可选

用于初始化数组的有效单一 NumPy 数据类型。这必须是简单类型，例如 int 或 numpy.float64，而不是复合数据类型(请参阅 to_numpy_recarray)如果为 None，则使用 NumPy 默认值。

order：{‘C’, ‘F’}，可选

是否在内存中以 C 或 Fortran-contiguous(行或列)顺序存储多维数据。如果无，则使用 NumPy 默认值。

multigraph_weight：{sum, min, max}，可选

确定如何处理多重图中的权重的运算符。默认是对多条边的权重求和。

weight：字符串或无可选(默认 = ‘weight’)

保存用于边权重的数值的边属性。如果边不具有该属性，则使用值 1 代替。

nonedge：浮点数(默认 = 0.0)

对应于非边的矩阵值通常设置为零。但是，如果存在对应于实际边的矩阵值也为零，则这可能是不希望的。如果是这样，人们可能更喜欢非边具有一些其他值，例如 nan。

返回：

M：NumPy 矩阵

图邻接矩阵

注意：

对于有向图，条目 i,j 对应于从 i 到 j 的边。

矩阵条目被分配给权重边属性。当边没有权重属性时，条目的值设置为数字 1。对于多个(平行)边，条目的值由 multigraph_weight 参数确定。默认是对每个平行边的权重属性求和。

当 nodelist 不包含 G 中的每个节点时，该矩阵由 G 的子图构建，该子图由 nodelist 中的节点诱导。

用于图中自循环边的约定是将对角矩阵条目值分配给边的权重属性(如果边没有权重属性，则为数字 1)。如果需要将边权重加倍的替代约定，则可以按如下方式修改生成的 Numpy 矩阵：

>>> import numpy as np
>>> G = nx.Graph([(1, 1)])
>>> A = nx.to_numpy_matrix(G)
>>> A
matrix([[1.]])
>>> A[np.diag_indices_from(A)] *= 2
>>> A
matrix([[2.]])

例子：

>>> G = nx.MultiDiGraph()
>>> G.add_edge(0, 1, weight=2)
0
>>> G.add_edge(1, 0)
0
>>> G.add_edge(2, 2, weight=3)
0
>>> G.add_edge(2, 2)
1
>>> nx.to_numpy_matrix(G, nodelist=[0, 1, 2])
matrix([[0., 2., 0.],
        [1., 0., 0.],
        [0., 0., 4.]])