将非平方邻接矩阵导入Networkx Python [英] Importing non-square adjacency matrix into Networkx python

问题描述

我在下面的 pandas 数据框表格中有一些数据，其中列代表离散技能，行代表离散工作。仅当作业需要技能时，才会显示1，否则为0。

     skill_1, skill_2,
job_1      1,       0,       
job_2      0,       0,       
job_3      1,       1,       

我想使用networkx创建一个图表来可视化工作和技能之间的这种关系。我尝试了两种方法，一种是在数据帧本身上，nx.from_pandas_adjacency和nx.from_numpy_matrix。后一种方法被应用于数据帧的数字表示，其中删除了列名和行名。

在任何一种情况下，都会引发错误，因为这是一个非方阵。这是有意义的，因为networkx可能会将列和行解释为同一组节点。然而，列和节点在这里代表了截然不同的东西。两个工作通过它们共享的技能联系在一起，两个技能通过它们共享的工作联系在一起，但任何两种技能或任何两种工作之间都没有直接的优势。

如果我的行和列是不同的节点集，如何将数据导入到networkx？

推荐答案

一种选择是生成缺少的行和列

(我对实现这一点的矢量化方法很好奇，所以我问了this question谁有提供这种方法的答案。)

df = pd.DataFrame({'skill_1': {'job_1': 1, 'job_2': 0, 'job_3': 1},
 'skill_2': {'job_1': 0, 'job_2': 0, 'job_3': 1}})

edges = df.columns

for i in df.index:
    df[i] = [0 for _ in range(len(df.index))]

for e in edges:
    df = df.append(pd.Series({c:0 for c in df.columns},name=e))

这为我们提供了：

>>> df
         skill_1  skill_2  job_1  job_2  job_3
job_1          1        0      0      0      0
job_2          0        0      0      0      0
job_3          1        1      0      0      0
skill_1        0        0      0      0      0
skill_2        0        0      0      0      0

然后我们可以使用nx.from_pandas_adjacency读取到networkx(假设您需要有向图)

G = nx.from_pandas_adjacency(df, create_using=nx.DiGraph)

或者，我们可以使用df.STACK()

df = pd.DataFrame({'skill_1': {'job_1': 1, 'job_2': 0, 'job_3': 1},
 'skill_2': {'job_1': 0, 'job_2': 0, 'job_3': 1}})

G = nx.DiGraph()

for x,y in df.stack().reset_index().iterrows():
    G.add_node(y['level_0'])
    G.add_node(y['level_1'])
    if y[0]:
        G.add_edge(y['level_0'], y['level_1'])

这篇关于将非平方邻接矩阵导入Networkx Python的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！