从 Pandas DataFrame 构建 NetworkX 图

Posted 2023-02-16

【中文标题】从 Pandas DataFrame 构建 NetworkX 图

【英文标题】：Construct NetworkX graph from Pandas DataFrame

【发布时间】：2014-02-08 01:55:55

【问题描述】：

我想从一个简单的 Pandas DataFrame 创建一些 NetworkX 图：

        Loc 1   Loc 2   Loc 3   Loc 4   Loc 5   Loc 6   Loc 7
Foo     0       0       1       1       0       0           0
Bar     0       0       1       1       0       1           1
Baz     0       0       1       0       0       0           0
Bat     0       0       1       0       0       1           0
Quux    1       0       0       0       0       0           0

其中Foo… 是索引，Loc 1 到Loc 7 是列。但是转换为 Numpy 矩阵或重新数组似乎不适用于为nx.Graph() 生成输入。是否有实现此目标的标准策略？我不反对在 Pandas 中重新格式化数据 --> 转储到 CSV --> 导入到 NetworkX，但似乎我应该能够从索引中生成边，从值中生成节点。

【参考方案1】：

NetworkX expects a square matrix（节点和边），也许*你想通过它：

In [11]: df2 = pd.concat([df, df.T]).fillna(0)

注意：索引和列的顺序很重要！

In [12]: df2 = df2.reindex(df2.columns)

In [13]: df2
Out[13]: 
       Bar  Bat  Baz  Foo  Loc 1  Loc 2  Loc 3  Loc 4  Loc 5  Loc 6  Loc 7  Quux
Bar      0    0    0    0      0      0      1      1      0      1      1     0
Bat      0    0    0    0      0      0      1      0      0      1      0     0
Baz      0    0    0    0      0      0      1      0      0      0      0     0
Foo      0    0    0    0      0      0      1      1      0      0      0     0
Loc 1    0    0    0    0      0      0      0      0      0      0      0     1
Loc 2    0    0    0    0      0      0      0      0      0      0      0     0
Loc 3    1    1    1    1      0      0      0      0      0      0      0     0
Loc 4    1    0    0    1      0      0      0      0      0      0      0     0
Loc 5    0    0    0    0      0      0      0      0      0      0      0     0
Loc 6    1    1    0    0      0      0      0      0      0      0      0     0
Loc 7    1    0    0    0      0      0      0      0      0      0      0     0
Quux     0    0    0    0      1      0      0      0      0      0      0     0

In[14]: graph = nx.from_numpy_matrix(df2.values)

这不会将列/索引名称传递给图表，如果您想这样做，您可以使用relabel_nodes（您可能必须警惕重复，这在 pandas 的 DataFrames 中是允许的）：

In [15]: graph = nx.relabel_nodes(graph, dict(enumerate(df2.columns))) # is there nicer  way than dict . enumerate ?

*对于所需图表，列和索引到底代表什么尚不清楚。

【讨论】：

索引代表例如一个人，列表示给定人所属的组。

【参考方案2】：

答案有点晚，但是now networkx can read data from pandas dataframes，在这种情况下，理想情况下，简单有向图的格式如下：

+----------+---------+---------+
|   Source |  Target |  Weight |
+==========+=========+=========+
| Node_1   | Node_2  |   0.2   |
+----------+---------+---------+
| Node_2   | Node_1  |   0.6   |   
+----------+---------+---------+

如果您使用的是邻接矩阵，那么 Andy Hayden 是对的，您应该注意正确的格式。由于在您的问题中您使用了 0 和 1，我想您希望看到一个无向图。自从您说 Index 代表例如一个人，列代表给定人所属的组，但另一方面，组（成员资格）属于一个人也是正确的。按照这个逻辑，您实际上应该将组放在索引中，并将人员也放在列中。

附注：您也可以在有向图的意义上定义此问题，例如，您希望可视化分层类别的关联网络。在那里，协会例如从 Samwise Gamgee 到 Hobbits 通常比在另一个方向上更强（因为 Frodo Baggins 更可能是 Hobbit 原型）

【参考方案3】：

你也可以像这样使用 scipy 创建方阵：

import scipy.sparse as sp

cols = df.columns
X = sp.csr_matrix(df.astype(int).values)
Xc = X.T * X  # multiply sparse matrix
Xc.setdiag(0)  # reset diagonal

# create dataframe from co-occurence matrix in dense format
df = pd.DataFrame(Xc.todense(), index=cols, columns=cols)

稍后您可以从数据框创建边缘列表并将其导入 Networkx：

df = df.stack().reset_index()
df.columns = ['source', 'target', 'weight']

df = df[df['weight'] != 0]  # remove non-connected nodes

g = nx.from_pandas_edgelist(df, 'source', 'target', ['weight'])