矩阵熊猫的邻接表
作者:互联网
我正在尝试通过一个玩具示例,从列表中构建邻接矩阵,但现在我还不太清楚.我在考虑.loc()的问题,但不确定如何正确编制索引.
{'nodes':['A', 'B', 'C', 'D', 'E'],
'edges':[('A', 'B'), ('A', 'D'), ('B', 'C'), ('B', 'E'), ('C', 'D'),
('D', 'E'), ('E', 'A'),('E', 'B'), ('E', 'C')]}
我开始用以下方法构建矩阵:
n = len(graph['nodes'])
adj_matr = pd.DataFrame(0, columns = graph['nodes'], index = graph['edges'])
但现在我不确定如何填写.我认为这里面很简单,也许有列表理解能力?
预期产量:
A B C D E
A 0 1 0 1 0
B 0 0 1 0 1
C 0 0 0 1 0
D 0 0 0 0 1
E 1 1 1 0 0
解决方法:
一种获取邻接矩阵的简单方法是使用NetworkX
d = {'nodes':['A', 'B', 'C', 'D', 'E'],
'edges':[('A', 'B'), ('A', 'D'), ('B', 'C'), ('B', 'E'), ('C', 'D'),
('D', 'E'), ('E', 'A'),('E', 'B'), ('E', 'C')]}
从您的邻接矩阵看来,该图是有向的.您可以创建如下所示的有向图,并使用以下命令从字典中定义其节点和边:
import networkx as nx
g = nx.DiGraph()
g.add_nodes_from(d['nodes'])
g.add_edges_from(d['edges'])
然后,您可以从网络中获得nx.adjacency_matrix
的邻接矩阵:
m = nx.adjacency_matrix(g)
m.todense()
matrix([[0, 1, 0, 1, 0],
[0, 0, 1, 0, 1],
[0, 0, 0, 1, 0],
[0, 0, 0, 0, 1],
[1, 1, 1, 0, 0]], dtype=int64)
对于将相应节点作为列的数据框,您可以执行以下操作:
pd.DataFrame(m.todense(), columns=nx.nodes(g))
A B C D E
0 0 1 0 1 0
1 0 0 1 0 1
2 0 0 0 1 0
3 0 0 0 0 1
4 1 1 1 0 0
标签:adjacency-list,adjacency-matrix,pandas,dataframe,python 来源: https://codeday.me/bug/20191108/2006275.html