NetworkX：有效地诱导给定顶点的集团

Posted 2023-02-23

【中文标题】NetworkX：有效地诱导给定顶点的集团

【英文标题】：NetworkX: efficiently inducing clique given vertices

【发布时间】：2018-01-16 04:49:48

【问题描述】：

说，我有一个顶点列表[1, 2, 3, 4, 5]，它们形成了一个集团，有没有一种快速的方法可以在 networkx 图中诱导它们之间的边？我能想到的直截了当的方法是：

from itertools import combinations

def induceClique(nxGraph, vertexList):
    for i,j in combinations(vertexList, 2):
        nxGraph.add_edge(i, j)
    return nxGraph

该函数没问题，您必须添加所有可能的边对以确保存在所需的团，但是从 Python 操作时，处理长顶点列表时会变慢。也许作为 networkx 包的一部分，有一个内置函数可以更有效地执行此操作，也许是用 C 编写的？

【问题讨论】：

（一般评论）请记住，networkx 完全是关于可读性/易用性，纯 python 的性质可能会导致一些非最佳性能。对于非常低级的库，如果此操作对您非常重要，您可能希望直接访问这些图的低级数据结构以实现最大性能。 （这是我过去在数学优化和约束矩阵等其他用例中所经历的；更具体地说：将 numpy/scipy.sparse 与 python 的 itertools 相结合：或多或少：摆脱纯 python 循环）。跨度>

你的意思是稀疏行格式图在 Python 中效率更高？

FWIW：networkx包完全是用Python写的，所以一般如果你自己的方法写的好，和networkx版本差别不大（虽然我强烈推荐使用networkx版本的时候它的存在是为了可用性和更好地相信它是正确的）。 igraph 有更多用 C 编写的背景。

我对内部结构了解不多（并且有不止一个图形表示）。但是，是的。如果它基于 scipy.sparse (==c++; 它不是) 你会想要利用这个事实(如果性能很关键)。作为上述替代方案的补充：还有graph-tool（功能较少，但更注重性能）。

【参考方案1】：

生成所有边，然后一次性实例化它们：

nxGraph.add_edges_from(combinations(vertexList, 2))

【讨论】：

有什么理由比上面的for循环快吗？

因为它只调用一次函数而不是 20 次调用并且不使用 Python 循环。

@neo4k 您似乎对此感兴趣，也许您应该为您的数据做一些基准测试。在查看答案之前，您不必投票/接受答案。 （虽然我认为他的推理可能是答案的一部分）

令人惊讶的是，差异是微不足道的：我的方法只比你的方法快 3%（在 1000 个元素的集团中）。

现在我会接受这个答案，除非出现更快的问题。不过这很优雅，我喜欢它。 :)