Question

我在csr_matrix中有一个1000x1000稀疏矩阵（称为ppm），有39,000个非零元素。它是一个对称矩阵，所以我想将它转换为带有权重的networkx无向图。

如果我直接使用构造函数，则需要20.8秒才能创建此图形10次：

g = nx.Graph(ppm)

如果我使用以下代码，则需要9.1秒才能创建此图表10次：

nr_persons = ppm.shape[0]
g = nx.Graph()
g.add_nodes_from(range(nr_persons))

for i in range(nr_persons):
    for j in ppm.indices[ppm.indptr[i]:ppm.indptr[i+1]]:
        if i <= j:
            g.add_edge(i,j, weight = ppm[i,j])

对于我的应用程序，这太慢了，因为我想扩大规模。是否有另一种更快的方法可以从稀疏矩阵中创建图形？

PS。使用以下代码创建ppm：

N_rows = 1000
N_cols =  100
N_nonzero = 2000
m_rows = np.random.random_integers(0, N_rows-1, N_nonzero)
m_cols = np.random.random_integers(0, N_cols-1, N_nonzero)
m_data = np.random.random_integers(1, 10, N_nonzero)   
pam = csr_matrix( (m_data, (m_rows, m_cols)), shape=(N_rows, N_cols) )
ppm = pam.dot(csr_matrix.transpose(pam))

Answer 1

看起来像networkx有自己的函数从矩阵构造图形，你尝试过吗？它们更快吗？

from_numpy_matrix(A, create_using=None)

from_scipy_sparse_matrix(A, create_using=None, edge_attribute='weight')

Answer 2

你能跳过构建矩阵吗？然后你可以使用

 G.add_weighted_edges_from(zip(m_cols,m_rows,m_data))

如果不是，您可以仍然在矩阵数据上使用相同的方法（add_weighted_edges_from）

ppm.nonzero()
ppm.data

这应该快得多。

将csr_matrix转换为networkx图

2 个答案: