Question

考虑python-igraph 0.7中的图形对象G.如果我想要G的邻接矩阵A，我必须写A=G.get_adjacency()，但有两个问题：

即使G稀疏，有3000个节点，我的商用笔记本电脑也会长时间生成A.是否有可能创建邻接矩阵如此昂贵？
输出A是一个Matrix对象，所以如果我想在A上使用numpy模块，我必须先在列表中转换它，然后在numpy.matrix中转换它。此外，如果A是稀疏的，我需要在稀疏的scipy矩阵中进行第三次转换。

在Igraph中是否有任何方法可以在合理的时间内获得稀疏图的scipy.sparse矩阵？

Answer 1

图表是否稀疏并不重要，因为igraph仍然会创建一个密集矩阵，因此它是一个O（n ²）运算。（从技术上讲，矩阵本身是在C层创建的，矩阵初始化为全零，取O（n ²），然后用O（m）中的矩阵填充，其中n是顶点的数量和m是边的数量 - 然后矩阵被转发到Python层，在那里它被转换为Matrix对象，并且Python层不知道矩阵本质上是稀疏的，所以需要O（n转换它，在我的笔记本电脑上，为3000个节点的图形创建邻接矩阵大约500毫秒，我认为这可能是正常的。

是的，有一种方法可以立即从igraph图中创建一个稀疏矩阵，虽然它有点冗长：

from scipy.sparse import coo_matrix
from numpy import hstack, ones

def graph_to_sparse_matrix(graph):
    xs, ys = map(array, zip(*graph.get_edgelist()))
    if not graph.is_directed():
        xs, ys = hstack((xs, ys)).T, hstack((ys, xs)).T
    else:
        xs, ys = xs.T, ys.T
    return coo_matrix((ones(xs.shape), (xs, ys)))

此版本在我的机器上将〜26毫秒内的相同图形转换为SciPy稀疏矩阵。

Graph.get_adjacency（）很慢，输出很奇怪

1 个答案: