如何对邻接矩阵进行排序

Question

Python中是否有一种“排序”邻接矩阵的方法，以便更好地查看连接节点的不同集群？

我还有一些矩阵，但模式看起来像是随机分布在它上面。在现实世界中，我知道例如我有N个独立的簇（两者之间没有连接）。

所以我希望邻接矩阵看起来有N个不同的模式。

这可以实现吗？

更新 我昨天没时间，但现在有一些细节：

import networkx as nx
import numpy as np
import matplotlib.pyplot as plt
G = nx.Graph()
S = {'7064', '7065', '7066', '7067', '7068', '7069', '7070', '7071', '7072', '7073', '7074', '7075', '7076', '7077', '7078', '7079', '7080'}
E = [('7064', '7065'),
('7067', '7068'),
('7067', '7076'),
('7067', '7077'),
('7067', '7078'),
('7067', '7079'),
('7067', '7080'),
('7067', '7081'),
('7068', '7076'),
('7068', '7077'),
('7068', '7078'),
('7068', '7080'),
('7068', '7081'),
('7069', '7075'),
('7070', '7072'),
('7070', '7074'),   
('7071', '7074'),
('7076', '7077'),
('7076', '7078'),
('7076', '7079'),
('7076', '7080'),
('7076', '7081'),
('7077', '7078'),
('7077', '7079'),
('7077', '7080'),
('7077', '7081'),
('7078', '7079'),
('7078', '7080'),
('7078', '7081'),
('7079', '7080'),
('7079', '7081'),
('7080', '7081')]
G.add_nodes_from(S)
G.add_edges_from(E)
adj_matrix = nx.adjacency_matrix(G).toarray()

plt.imshow(adj_matrix)

事实上，我只关心上三角形，因为它是一个对称矩阵（样本与自身）。

sub_graphs   = list(nx.connected_components(G))
nb_clusters  = len(sub_graphs) # total number of sub graphs, including isolated points, there is here 2 isolated points. All other are at least linked with min 1 other point. 

我希望邻接矩阵看起来有6个“blob”（其中两个将是两个孤立点的单个像素）。目前，它显示在其上三角形，12个视觉上分离的区域（它们只是在视觉上分开，实际上矩阵是可以的，但我想重新排列它以更适合现实的子图数量）

Answer 1

这似乎已在Hierarchical clustering of heatmap in python中得到解答，但是，没有接受答案。

答案是将热图的行和列聚类以获得相似性（例如欧几里德距离），就像seaborn可以自动为您http://seaborn.pydata.org/generated/seaborn.clustermap.html做的那样。 邻接矩阵只是常规矩阵seaborn可以使用的特例，其中元素为0或1。