Question

我在python中使用networkx和命令

A = nx.adjacency_matrix(G)

返回csr矩阵，而不是2D数组。因此，当我尝试做

时

np.trace(A)

我收到错误：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python3/dist-packages/numpy/core/fromnumeric.py", line 1279, in trace
    return asarray(a).trace(offset, axis1, axis2, dtype, out)
ValueError: diag requires an array of at least two dimensions

我如何绕过去追踪？

Answer 1

In [543]: A=np.arange(9).reshape(3,3)

对于数组，trace可以作为函数或方法调用。实际上，np.trace会将操作委托给A.trace。

In [544]: np.trace(A)
Out[544]: 12

In [545]: A.trace()
Out[545]: 12

In [546]: M=sparse.csr_matrix(A)

通常在稀疏矩阵上调用numpy函数不起作用 - 除非矩阵具有匹配方法。

In [547]: np.trace(M)
...
ValueError: diag requires an array of at least two dimensions

In [548]: M.trace()
...
AttributeError: trace not found

但是稀疏矩阵有一个diagonal方法，这也很好：

In [549]: M.diagonal()
Out[549]: array([0, 4, 8], dtype=int32)

In [550]: M.diagonal().sum()
Out[550]: 12

当然，您可以先将稀疏矩阵转换为数组：

In [551]: np.trace(M.A)
Out[551]: 12

Answer 2

不要使用矩阵。 networkx使用nodes_with_selfloops方法列出具有自循环的节点：

>>> import networkx
>>> G = networkx.Graph()
>>> G.add_node(1)
>>> G.add_node(2)
>>> G.add_node(3)
>>> G.add_edge(2, 2)
>>> G.add_edge(1, 3)
>>> G.nodes_with_selfloops()
[2]

如果您的图表未加权，则跟踪只是列表中的项目数，因此您可以这样做：

>>> len(G.nodes_with_selfloops())
1

如果它是加权的，你可以将每个自循环的权重相加：

>>> import networkx
>>> G = networkx.Graph()
>>> G.add_node(1)
>>> G.add_node(2)
>>> G.add_node(3)
>>> G.add_edge(1, 1, weight=2)
>>> G.add_edge(2, 2, weight=1.5)
>>> sum(G.get_edge_data(node, node)['weight'] for node in G.nodes_with_selfloops())
3.5

如何获取csr矩阵的跟踪

2 个答案: