我想询问 Julia 语言中是否存在等效函数,而 networkx 中的稀疏矩阵是functions是否存在to_scipy_sparse_matrix。< / p>
我正在寻找相当于在eigenvector centrality algorithm中调用此函数。
是否有可能如上所述在特征向量中心链接中运行此函数,在 Julia 中产生相同的输出?
感谢您的任何建议。我正在努力奋斗几个小时,我无法取得任何成果。
修改
Python version :
import networkx as nx
import scipy
G = nx.Graph()
G.add_edge(1, 2, w=1.0 )
G.add_edge(1, 3, w=0.5 )
G.add_edge(2, 3, w=2.5 )
M = nx.to_scipy_sparse_matrix(G, nodelist=list(G), weight='w',dtype=float)
print(M)
Output:
(0, 1) 1.0
(0, 2) 0.5
(1, 0) 1.0
(1, 2) 2.5
(2, 0) 0.5
(2, 1) 2.5
Julia version:
using Graphs
g1 = Graphs.graph(Graphs.ExVertex[], Graphs.ExEdge{Graphs.ExVertex}[], is_directed=false)
d = "dist"
v1 = add_vertex!(g1, "a")
v2 = add_vertex!(g1, "b")
v3 = add_vertex!(g1, "c")
e12 = add_edge!(g1, v1, v2)
e12.attributes[d]=1.0
e13 = add_edge!(g1, v1, v3)
e13.attributes[d]=0.5
e23 = add_edge!(g1, v2, v3)
e23.attributes[d]=2.5
答案 0 :(得分:1)
尝试(遵循OP Julia代码):
julia> triple(e,d) = (e.source.index,e.target.index,e.attributes[d])
triple (generic function with 1 method)
julia> M = sparse(map(collect,zip([triple(e,d) for e in edges(g1)]...))...,length(g1.vertices),length(g1.vertices))
2x3 sparse matrix with 3 Float64 entries:
[1, 2] = 1.0
[1, 3] = 0.5
[2, 3] = 2.5
triple
返回一个(源,目标,d属性)三元组,它可能在其他地方也很有用。
使用sparse(I,J,D,rows,cols)
构造函数创建稀疏矩阵,其中I,J,D
都是相同的长度向量,对于它们的每个索引i
,矩阵的值为D[i]
职位I[i],J[i]
。
如果需要对称权重矩阵,请使用以下内容:
julia> M = M+M'
3x3 sparse matrix with 6 Float64 entries:
[2, 1] = 1.0
[3, 1] = 0.5
[1, 2] = 1.0
[3, 2] = 2.5
[1, 3] = 0.5
[2, 3] = 2.5