Question

我正在编写一个继承自python中开源networkx包的DiGraph.py的类。

在我班级的某些方法中，我需要搜索具有一定度数的节点（有向图的outdegrees或indegree）并返回它们。

该类用于数据挖掘项目\自然语言处理，它将用于极大的网络。我需要的是快速实现所描述的方法（返回具有一定程度或某种度数的节点列表）。

超类中已经定义了一些东西： 1.方法network.outdegree()：返回包含节点键和outdegree值的字典。

{'school': 4, 'middle school': 0, 'university': 0, 'commercial': 0, 'private': 5, 'institution': 2, 'high school': 0, 'college': 0, 'elementary school': 0, 'central': 0, 'company': 0, 'public': 3, 'bank': 2}

network.out_degree_iter（）

<generator object out_degree_iter at 0x02EEB328>

我不知道如何使用这种方法，如果有人能解释如何使用，我将不胜感激。

3.我有一个属性network.nodes，它是我网络中所有节点的列表。

问题：我可以遍历所有节点并返回带有outdegree 2的节点，例如，通过在network.nodes上执行列表解析，或者我可以迭代我的字典并返回值为2的节点列表，或者也许使用我不知道如何使用的out_degree_iter()或者如何与for循环中的字典项迭代不同（对于k，v在dict.iteritems（）中）？对于非常大的节点和边缘网络，哪一个会更快，为什么？

由于

Answer 1

迭代器更适合大型图形，因为您不构造字典的副本。这样的事情怎么样：

list_of_2 = []
for g in G.out_degree_iter():
    if g[1]==2:
        list_of_2.append(g[0])

或者，

list_of_2 = map(lambda x:x[0],filter(lambda x:(x[1]==2),G.out_degree_iter()))

Answer 2

最简单的方法是使用out_degree_iter（）方法和你提出的列表推导。方法如下：

import networkx as nx
G=nx.DiGraph(nx.gnp_random_graph(1000,0.001))
t1=[n for n,k in G.out_degree_iter() if k==2

最快的方法是访问内部数据结构：

t2=[n for n,nbrs in G.succ.items() if len(nbrs)==2]

对于in-degree我们in_degree_iter（）和G.pred.items（）。

以下是一些时间

In [41]: %timeit t1=[n for n,k in G.out_degree_iter() if k==2]
1000 loops, best of 3: 368 us per loop

In [42]: %timeit s2=[n for n,nbrs in G.succ.items() if len(nbrs)==2]
1000 loops, best of 3: 198 us per loop

对DiGraph networkx的大型网络实例进行的最快迭代是什么？

2 个答案: