Python NetworkX attr_matrix用法及代碼示例

使用 G 中的屬性返回 NumPy 矩陣。

如果隻傳入G，則構造鄰接矩陣。

令 A 為節點屬性 node_attr 的一組離散值。那麽 A 的元素代表構造矩陣的行和列。現在，遍曆 G 中的每條邊 e=(u,v) 並考慮邊屬性 edge_attr 的值。如果 ua 和 va 分別是 u 和 v 的節點屬性node_attr 的值，則將邊屬性的值添加到 (ua, va) 處的矩陣元素。

參數：

G：圖形

NetworkX 圖用於構造NumPy 矩陣。

edge_attr：str，可選

矩陣的每個元素表示其節點屬性對應於 matirx 的行/列的邊的指定邊屬性的運行總計。該屬性必須存在於圖中的所有邊上。如果沒有指定屬性，那麽我們隻計算節點屬性對應於矩陣元素的邊數。

node_attr：str，可選

矩陣中的每一行和每一列都代表節點屬性的一個特定值。該屬性必須存在於圖中的所有節點。注意，這個屬性的值應該是可靠的哈希值。因此，不建議使用浮點值。如果未指定屬性，則行和列將是圖的節點。

normalized：布爾型，可選

如果為 True，則每行都通過其值的總和進行歸一化。

rc_order：列表，可選

節點屬性值的列表。此列表指定數組的行和列的順序。如果沒有提供排序，那麽排序將是隨機的(也是一個返回值)。

返回：

M：NumPy 矩陣

屬性矩陣。

ordering：列表

如果指定了rc_order，則隻返回矩陣。但是，如果 rc_order 為 None，則也返回用於構造矩陣的排序。

其他參數：

dtype：NumPy 數據類型，可選

用於初始化數組的有效 NumPy dtype。請記住，如果要對數組進行規範化，某些 dtype 可能會產生意想不到的結果。參數傳遞給 numpy.zeros()。如果未指定，則使用 NumPy 默認值。

order：{‘C’, ‘F’}，可選

是否在內存中以 C 或 Fortran-contiguous(行或列)順序存儲多維數據。此參數傳遞給 numpy.zeros()。如果未指定，則使用 NumPy 默認值。

例子：

構造一個鄰接矩陣：

>>> G = nx.Graph()
>>> G.add_edge(0, 1, thickness=1, weight=3)
>>> G.add_edge(0, 2, thickness=2)
>>> G.add_edge(1, 2, thickness=3)
>>> nx.attr_matrix(G, rc_order=[0, 1, 2])
matrix([[0., 1., 1.],
        [1., 0., 1.],
        [1., 1., 0.]])

或者，我們可以獲得說明邊厚度的矩陣。

>>> nx.attr_matrix(G, edge_attr="thickness", rc_order=[0, 1, 2])
matrix([[0., 1., 2.],
        [1., 0., 3.],
        [2., 3., 0.]])

我們還可以為節點著色並詢問所有邊 (u,v) 上的概率分布，說明：

>>> G.nodes[0]["color"] = "red"
>>> G.nodes[1]["color"] = "red"
>>> G.nodes[2]["color"] = "blue"
>>> rc = ["red", "blue"]
>>> nx.attr_matrix(G, node_attr="color", normalized=True, rc_order=rc)
matrix([[0.33333333, 0.66666667],
        [1.        , 0.        ]])

例如，上麵告訴我們對於所有邊 (u,v)：

最後，我們可以獲得節點顏色列出的總權重。

>>> nx.attr_matrix(G, edge_attr="weight", node_attr="color", rc_order=rc)
matrix([[3., 2.],
        [2., 0.]])

因此，所有邊 (u,v) 上的總權重，其中 u 和 v 具有顏色：