我想加载CSV或带符号（加权）图的文本文件，并创建一个邻接矩阵。 CSV文件包含名为“ FromNodeId”，“ ToNodeId”和“ Sign”的三列。 我使用的代码如下：
G = nx.read_edgelist('soc-sign-epinions.txt', data = [('Sign', int)])
#print(G.edges(data = True))
A = nx.adjacency_matrix(G)
print(A.todense())
我遇到了以下错误
ValueError: array is too big; `arr.size * arr.dtype.itemsize` is larger than
the maximum possible size
如何解决此问题？请为我建议一种创建邻接矩阵的方法。
答案 0 :(得分：3)
存储大矩阵所需的内存很容易失控，这就是function f<T>(o: { [key: string]: T }) {
console.log(o);
}
f<number>({a: 1, b: 3}) // ok
f<string>({a: 'aa'}) // ok
f<string>({a: 'aa', b: 132}) // error - Property 'b' is incompatible with index signature.
返回“稀疏矩阵”的原因，该稀疏矩阵的存储效率更高（利用许多条目将为0）。
由于您的图形具有131000个顶点，因此整个邻接矩阵将使用nx.adjacency_matrix(G)（在Python中，一个整数占用24字节的内存），大约为400GB。但是，您的图的所有边都不到0.01％，换言之，它非常稀疏，稀疏矩阵将为您工作。
为了获得稀疏矩阵，只需使用131000^2 * 24 bytes而不在其后调用A = nx.adjacency_matrix(G)（这将尝试再次正常存储它）。
有A.todense()的内置函数可以有效地保存和加载稀疏矩阵，请参见here。例如，要保存稀疏矩阵A，请使用
scipy.sparse
如果使用txt或CSV对您很重要，则必须手动进行操作。这可以通过遍历矩阵的每一行并将其一一写入到文件中来完成：
scipy.sparse.save_npz('filename.npz', A)
这可能需要几分钟才能运行，但应该可以工作（我使用相同大小的路径进行了测试）。