本文共 1479 字，大约阅读时间需要 4 分钟。

graph与其他数据格式转换

在学习图论时，熟悉如何将graph与其他数据格式交互是非常重要的。NetworkX库提供了丰富的API，可以将graph转换为字典、列表、numpy数组、Scipy稀疏矩阵以及Pandas数据框等形式。本文将详细介绍这些转换方法，并提供代码示例。

1. graph与字典(Dict)的转换

要将graph转换为字典，可以使用nx.to_dict_of_dicts方法。字典的键对应于graph的节点编号，值是一个字典，记录了该节点连接的邻居节点及其权重信息。以下是示例代码：

dod = {    0: {1: {'weight': 1}},    1: {0: {'weight': 1}}}G = nx.from_dict_of_dicts(dod)

输出结果：

{0: {1: {'weight': 1}}, 1: {0: {'weight': 1}}}

2. graph与列表(List)的转换

graph也可以通过列表来表示。nx.from_dict_of_lists方法可以将字典形式的数据转换为graph对象，而nx.from_edgelist方法则直接从边列表中创建graph。以下是示例代码：

dol = {    0: [1, 2, 3],    1: [0],    2: [0],    3: [0]}edgelist = [    (0, 1, {}),    (0, 2, {}),    (0, 3, {}),    (2, 3, {})]G1 = nx.from_dict_of_lists(dol)G2 = nx.from_edgelist(edgelist)

输出结果：

{0: [1, 2, 3], 1: [0], 2: [0], 3: [0]}[(0, 1, {}), (0, 2, {}), (0, 3, {}), (2, 3, {})]

3. graph与numpy的转换

numpy是一个强大的数值计算库，可以用来生成graph的邻接矩阵。以下是将numpy数据转换为graph的示例代码：

import numpy as npa = np.reshape(np.random.random_integers(0, 1, size=100), (10, 10))D = nx.DiGraph(a)

输出结果：

[[0. 7.], [7. 0.]][[0., 0], [7., 5], [7., 5], [0., 0]]

4. graph与Scipy的转换

Scipy是一个科学计算库，支持稀疏矩阵表示。以下是将Scipy稀疏矩阵转换为graph的示例代码：

import scipy as spA = sp.sparse.eye(2, 2, 1)G = nx.from_scipy_sparse_matrix(A)

输出结果：

[[0. 1.], [1. 0.]]

5. graph与Pandas的转换

Pandas是一个灵活的数据处理库，可以将graph的邻接信息存储为DataFrame。以下是将graph转换为Pandas数据框的示例代码：

import pandas as pddf = pd.DataFrame([    [1, 1],    [2, 1]])G = nx.from_pandas_adjacency(df)

输出结果：

0  10  1  11  2  1

通过以上方法，我们可以轻松将graph与其他常用数据格式进行转换，方便进行数据分析和可视化操作。

转载地址：http://ntcfk.baihongyu.com/