Question

我尝试使用以下代码运行igraph的快速贪婪社区检测算法：

G = Graph()

L = []
V = []
for row in cr:

    try:
        l = []
        source = int((row[0]).strip())
        target = int((row[1]).strip())
        weight = int((row[2]).strip())
        l.append(source)
        l.append(target)

        if l not in L:
            L.append(l)

        if source not in V:
            V.append(source)

        if target not in V:
            V.append(target)
    except ValueError:
        print "Value Error"
        continue

    if weight == 1:
        continue

G.add_vertices(max(V))
G.add_edges(L)
cl = G.community_fastgreedy(weights=weight).as_clustering(10);

但这是我得到的错误： igraph._igraph.InternalError：type_indexededgelist.c时出错：272：无法添加边，无效的顶点id

我发现了这个：Cannot add edges, Invalid vertex ID in IGraph所以我尝试添加所有顶点，然后是所有边缘，但我仍然遇到错误。

以上代码是否与以下内容完全相同：

tupleMapping = []
for row in cr:
    if int(row[2]) < 10:
        continue

    l = [row[0], row[1], row[2]]
    tupleMapping.append(tuple(l))

g = Graph.TupleList(tupleMapping)
cl = g.community_fastgreedy().as_clustering(20)

我不必明确说出G.community_fastgreedy（权重=体重）吗？

我遇到的另一个问题;当我尝试以下列方式添加更多群集时：

cl = g.community_fastgreedy().as_clustering(10)
cl = g.community_fastgreedy().as_clustering(20)

我得到两个大型集群，其余的集群由一个元素组成。当我尝试使群集大小为5/10/20时，会发生这种情况，是否有任何方法可以使群集更均等地划分？我的数据集需要2个以上的集群。

这是我尝试从csv文件中读取的数据的一小部分，以便我可以生成图形，然后运行社区检测算法： 202,580,11 87,153,7 227,459,6 263,524,11

感谢。

Answer 1

没错，第二个代码也是这样。在第一个示例中，问题是当您添加边时，您将引用igraph的内部顶点ID，它始终从0开始，直到N-1。无论您自己的顶点名称是整数，您都需要将它们转换为igraph顶点ID。

此处igraph.Graph.TupleList()方法更方便。但是，您需要指定元组的第三个元素是权重。您可以通过weights = True或edge_attrs = ['weight']参数来执行此操作：

import igraph

data = '''1;2;34
1;3;41
1;4;87
2;4;12
4;5;22
5;6;33'''

L = set([])

for row in data.split('\n'):
    row = row.split(';')
    L.add(
        (row[0].strip(), row[1].strip(), int(row[2].strip()))
    )

G = igraph.Graph.TupleList(L, edge_attrs = ['weight'])

然后，您可以创建字典以在igraph顶点ID和原始名称之间进行转换：

vid2name = dict(zip(xrange(G.vcount()), G.vs['name']))
name2vid = dict((name, vid) for vid, name in vid2name.iteritems())

然而，第一个并不是那么需要，因为你总是可以使用G.vs[vid]['name']。

对于fastgreedy，我认为你应该指定权重，至少文档不会告诉它是否自动考虑名为weight的属性，如果这样的属性存在。

fg = G.community_fastgreedy(weights = 'weight')
fg_clust_10 = fg.as_clustering(10)
fg_clust_20 = fg.as_clustering(20)

如果fastgreedy只给你2个大型集群，我只能建议尝试其他社区检测方法。实际上，您可以尝试在合理时间内运行的所有这些（取决于图表的大小），然后比较它们的结果。另外，因为你有一个加权图，你可以看看moduland method family，它没有在igraph中实现，但有很好的文档，你可以设置相当复杂的设置。

编辑：OP的评论表明原始数据描述了有向图。 fastgreedy算法无法考虑方向，如果在有向图上调用则会出错。这就是为什么在我的例子中我创建了一个无向igraph.Graph()对象。如果你想运行其他方法，其中一些可能能够处理定向网络，你应该首先创建一个有向图：

G = igraph.Graph.TupleList(L, directed = True, edge_attrs = ['weight'])
G.is_directed()
# returns True

要快速运行，请将图表转换为无向图。由于边缘具有权重属性，因此需要指定当同一对顶点之间的2个相对方向边缘折叠到一个无向边时应该执行的操作。您可以使用权重执行许多操作，例如取平均值，较大值或较小值等。例如，要使组合边具有原始边的平均权重：

uG = G.as_undirected(combine_edges = 'mean')
fg = uG.community_fastgreedy(weights = 'weight')

重要提示：请注意，在此操作中，以及添加或删除顶点或边时，igraph会重新索引顶点和边，因此如果您知道顶点标识x对应于您的原始标识{{1重新编制索引后，这将不再有效，您需要重新创建y和name2vid词典。

igraph无效顶点Id

1 个答案: