Question

我收到的格式如下：

tail head
P01106  Q09472
P01106  Q13309
P62136  Q13616
P11831  P18146
P13569  P20823
P20823  P01100
...

有没有一种很好的方法可以将这些数据格式化为带有numpy数组的图形？我希望使用这个图来计算PageRank。

到目前为止我已经

了

import numpy as np
data = np.genfromtxt('wnt_edges.txt', skip_header=1, dtype=str)

我正在考虑使用Representing graphs (data structure) in Python中的图形数据结构，但在这种情况下似乎没有意义，因为我将进行矩阵乘法。

Answer 1

为避免重新发明轮子，您应该按照评论和其他答案中的建议使用networkx。

如果出于教育目的，您希望重新发明轮子，您可以创建adjacency matrix。可以从该矩阵计算PageRank：

PageRank值是修改后的邻接矩阵的主要右特征向量的条目。

由于邻接矩阵的每一行/每列代表一个节点，因此您需要枚举节点，以便每个节点由一个从0开始的唯一编号表示。

import numpy as np

data = np.array([['P01106', 'Q09472'],
                 ['P01106', 'Q13309'],
                 ['P62136', 'Q13616'],
                 ['P11831', 'P18146'],
                 ['P13569', 'P20823'],
                 ['P20823', 'P01100']])


nodes = np.unique(data)  # mapping node name --> index
noidx = {n: i for i, n in enumerate(nodes)}  # mapping node index --> name

n = nodes.size  # number of nodes

numdata = np.vectorize(noidx.get)(data)  # replace node id by node index

A = np.zeros((n, n))
for tail, head in numdata:
    A[tail, head] = 1
    #A[head, tail] = 1  # add this line for undirected graph

这会产生以下图表表示A：

array([[ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.,  1.,  0.],
       [ 0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]])

第5行，第0列中的1表示例如从节点5到节点0存在边缘，其对应于'P20823' - ＆gt; 'P01100'。使用nodes数组从索引中查找节点名称：

print(nodes)
['P01100' 'P01106' 'P11831' 'P13569' 'P18146' 'P20823' 'P62136' 'Q09472'
 'Q13309' 'Q13616']

如果有很多节点和很少的连接，最好使用sparse matrix A。但是首先要尝试使用密集矩阵，只需要切换到稀疏的内存或性能问题。

Answer 2

我强烈建议networkx：

import networkx as nx
#make the graph 
G = nx.Graph([e for e in data])
#compute the pagerank 
nx.pagerank(G)
# output:
# {'P01100': 0.0770275315329843,  'P01106': 0.14594493693403143, 
# 'P11831': 0.1,  'P13569': 0.0770275315329843,  'P18146': 0.1, 
# 'P20823': 0.1459449369340315,  'P62136': 0.1,  'Q09472':
# 0.07702753153298428,  'Q13309': 0.07702753153298428,  'Q13616': 0.1}

这就是全部。 pagerank文档就在这里。

使用Numpy数组表示图形

2 个答案: