合并（连接）networkx图形

Question

合并（连接）networkx图形

70

假设我有两个networkx图，G和H:

G=nx.Graph()
fromnodes=[0,1,1,1,1,1,2]
tonodes=[1,2,3,4,5,6,7]
for x,y in zip(fromnodes,tonodes):
    G.add_edge(x,y)

H=nx.Graph()
fromnodes=range(2,8)
tonodes=range(8,14)
for x,y in zip(fromnodes,tonodes):
    H.add_edge(x,y)

如何最佳方式将两个networkx图连接起来?

我希望保留节点名称（请注意，节点2到7是公共的）。当我使用nx.disjoint_union(G,H)时，这并没有发生：

>>> G.nodes()
[0, 1, 2, 3, 4, 5, 6, 7]
>>> H.nodes()
[2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13]
>>> Un= nx.disjoint_union(G,H)
>>> Un.nodes()
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
#

节点标签H被更改了（不是我想要的）。我想将具有相同编号的节点连接到一起。

注意。这不是在NetworkX中合并两个加权图的重复问题。

- Lee

3

如果两者之间存在一条边，你想要做什么？它应该变成双向边还是单向边？ - Joel

1

@Joel 嗯，我对两种情况都感兴趣。不过，我们假设是单边的情况。 - Lee

1

你编写的代码已经很好地处理了单边缘情况。对于多边缘情况，你只需要使用 U=nx.MultiGraph() 即可。 - Joel

1

对于你的例子，可以进行简化：for x,y in zip(fromnodes,tonodes): G.add_edge(x,y) 可以写成 G.add_edges_from(zip(fromnodes,tonodes))。 - Joel

3个回答

11

这样就行了。

   U=nx.Graph()
   U.add_edges_from(G.edges()+H.edges())
   U.add_nodes_from(G.nodes()+H.nodes()) #deals with isolated nodes

或者，保留边缘属性：

   U.add_edges_from(G.edges(data=True)+H.edges(data=True))

同时保留节点属性：

   U.add_nodes_from(G.nodes(data=True)+H.nodes(data=True))

- Lee

在 NetworkX 2.2 中，需要将 G.edges() 转换为列表后再添加。尤其是在需要 MultiGraph 时。 - Traxidus Wolf

这个问题如何处理我有一个类似于 G: Node1 [label="L1x"], Node2 [label="L2x"]; H: Node1 [label="L1y"], Node2 [label="L2x"] 的图形，其中 Node1 表示连接图中不同的节点，但是 Node2 是公共的。 - jxramos

0

如果你想将图H添加到G中，然后返回G，可以使用update方法。

- Tran Cuong

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Joel · Accepted Answer

你要找的函数是compose，它可以生成一个包含两个图中所有边和节点的新图。如果两个图中有同名节点，则只保留一个节点在新图中。类似地，如果两个图中存在相同的边，则只保留一条边在新图中。下面是一个包括边/节点属性的示例：

import networkx as nx

G=nx.Graph()
G.add_node(1, weight = 2)
G.add_node(2, weight = 3)
G.add_edge(1,2, flux = 5)
G.add_edge(2,4)

H=nx.Graph()
H.add_node(1, weight = 4)
H.add_edge(1,2, flux = 10)
H.add_edge(1,3) 

F = nx.compose(G,H)
#F has all nodes & edges of both graphs, including attributes
#Where the attributes conflict, it uses the attributes of H.

G.nodes(data=True)
> NodeDataView({1: {'weight': 2}, 2: {'weight': 3}, 4: {}})
H.nodes(data=True)
> NodeDataView({1: {'weight': 4}, 2: {}, 3: {}})
F.nodes(data=True)
> NodeDataView({1: {'weight': 4}, 2: {'weight': 3}, 4: {}, 3: {}})

G.edges(data=True)
> EdgeDataView([(1, 2, {'flux': 5}), (2, 4, {})])
H.edges(data=True)
> EdgeDataView([(1, 2, {'flux': 10}), (1, 3, {})])
F.edges(data=True)
EdgeDataView([(1, 2, {'flux': 10}), (1, 3, {}), (2, 4, {})])

这些保留了属性，但显然如果存在冲突则不可能。 H 的属性优先。

还有其他选项可以执行对称差异、交集等操作...

如果您有多个图需要合并，可以使用compose_all，它只是在compose周围包装了一个循环。