Question

我遇到了大麻烦。我在python中编写的代码使用Numpy和Networkx 6个月前使用此代码：

import numpy as np
import networkx as nx

G = nx.Graph()

#add node and edges to G ...

A = nx.adj_matrix(Gx)
A = np.asarray(A)

现在我需要在具有最新版Numpy的计算集群上运行它。但是当我运行此代码时，它会失败，因为A = np.asarray(A)会返回()

我不知道该怎么做，因为这段代码无处不在。这是Numpy中的一个错误还是什么？

此问题与我的earlier question

有关

Answer 1

函数 nx.adj_matrix(G) 会返回一个scipy.sparse矩阵对象，其中包含G的邻接矩阵。

如果您想要numpy矩阵或数组，只需使用 .todense() 方法即可：

In [1]: import networkx as nx

In [2]: G = nx.path_graph(4)

In [3]: S = nx.adj_matrix(G)

In [4]: S
Out[4]: 
<4x4 sparse matrix of type '<type 'numpy.int64'>'
    with 6 stored elements in Compressed Sparse Row format>

In [5]: A = S.todense()

In [6]: A
Out[6]: 
matrix([[0, 1, 0, 0],
        [1, 0, 1, 0],
        [0, 1, 0, 1],
        [0, 0, 1, 0]])

In [7]: A.A
Out[7]: 
array([[0, 1, 0, 0],
       [1, 0, 1, 0],
       [0, 1, 0, 1],
       [0, 0, 1, 0]])

Answer 2

从这个拉动请求判断：

https://github.com/networkx/networkx/commit/67bf6c1b4d2844a859b21057a63a72b36a45906b

2013年11月，networkx将adjacency_matrix（同义词adj_matrix）从生成密集矩阵变为生成稀疏矩阵。在许多情况下，他们在调用此函数时必须添加.todense()。

因此，更改可能是networkx而不是numpy。我认为np.asarray从未sparse知道np.matrix。通常用于将np.ndarray转换为adj_matrix().A。

使用np.matrix应该适用于这两种环境。 csr_matrix和{{1}}都有此属性。

Numpy的asarray（）并不适用于csr_matrix

2 个答案: