NetworkX 中按边和节点属性查询图的最佳实践

Posted 2023-02-16

【中文标题】NetworkX 中按边和节点属性查询图的最佳实践

【英文标题】：Best practices for Querying graphs by edge and node attributes in NetworkX

【发布时间】：2013-03-16 16:44:56

【问题描述】：

使用 NetworkX 和库的新手，进行社交网络分析查询。通过查询，我的意思是通过两个边缘节点的属性选择/创建子图，其中边缘创建路径，节点包含属性。该图使用了 MultiDiGraph 的形式

G2 = nx.MultiDiGraph()
G2.add_node( "UserA",  "type" :"Cat"  )
G2.add_node( "UserB",  "type" :"Dog"  )
G2.add_node( "UserC",  "type" :"Mouse"  )
G2.add_node( "Likes",  "type" :"Feeling"  )
G2.add_node( "Hates",  "type" :"Feeling"  )

G2.add_edge( "UserA", 'Hates' ,  statementid="1" )
G2.add_edge( "Hates", 'UserB' ,  statementid="1"  )
G2.add_edge( "UserC", 'Hates' ,  statementid="2" )
G2.add_edge( "Hates", 'UserA' ,  statementid="2"  )
G2.add_edge( "UserB", 'Hates' ,  statementid="3"  )
G2.add_edge( "Hates", 'UserA' ,  statementid="3"  )
G2.add_edge( "UserC", 'Likes' ,  statementid="3"  )
G2.add_edge( "Likes", 'UserB' ,  statementid="3"  )

查询

for node,data in G2.nodes_iter(data=True):
    if ( data['type'] == "Cat" ):
       # get all edges out from these nodes
            #then recursively follow using a filter for a specific statement_id

#or get all edges with a specific statement id
   # look for  with a node attribute of "cat" 

有没有更好的查询方式？还是创建自定义迭代来创建子图的最佳做法？

或者（和一个单独的问题），可以简化图表，但我没有使用下图，因为“讨厌”类型的对象会有前身。这会使查询更简单吗？似乎更容易遍历节点

G3 = nx.MultiDiGraph()
G3.add_node( "UserA",  "type" :"Cat"  )
G3.add_node( "UserB",  "type" :"Dog"  )

G3.add_edge( "UserA", 'UserB' ,  statementid="1" , label="hates")
G3.add_edge( "UserA", 'UserB' ,  statementid="2" , label="hates")

其他说明：

也许add_path 将标识符添加到创建的路径？ iGraph 有 一个nice query featureg.vs.select()

【参考方案1】：

编写单行代码来创建具有特定属性的节点列表或生成器非常简单（此处显示的生成器）

import networkx as nx

G = nx.Graph()
G.add_node(1, label='one')
G.add_node(2, label='fish')
G.add_node(3, label='two')
G.add_node(4, label='fish')

# method 1
fish = (n for n in G if G.node[n]['label']=='fish')
# method 2
fish2 = (n for n,d in G.nodes(data=True) if d['label']=='fish')

print(list(fish))
print(list(fish2))

G.add_edge(1,2,color='red')
G.add_edge(2,3,color='blue')

red = ((u,v) for u,v,d in G.edges(data=True) if d['color']=='red')

print(list(red))

如果您的图表很大且固定，并且您想要进行快速查找，您可以像这样制作属性的“反向字典”，

labels = 
for n, d in G.nodes(data=True):
    l = d['label']
    labels[l] = labels.get(l, [])
    labels[l].append(n)
print labels

【讨论】：

这些示例似乎提供了一种查找节点或边的好方法。但是要查找节点和边的组合？在您的示例中，想象一下查询。 “返回具有“Color=red”属性的边缘的鱼节点的子图。是否还有一条线来查询两者并搜索子图？例如，edges_iter 是否同时返回节点和边缘？

@JonathanHendler 我也在寻找这种风格的查询语言，它允许使用过滤器查询节点和边的组合，我认为它称为图形模式匹配语言，如 Cypher 或 ISO-GQL，但没有没有找到 networkx 的。

【参考方案2】：

以@Aric's answer为基础，你可以找到这样的红鱼：

red_fish = set(n for u,v,d in G.edges_iter(data=True)
               if d['color']=='red'
               for n in (u, v)
               if G.node[n]['label']=='fish')

print(red_fish)
# set([2])

【参考方案3】：

为了根据边和节点的属性选择边，您可能希望使用图形 G2 执行以下操作：

def select(G2, query):
    '''Call the query for each edge, return list of matches'''
    result = []
    for u,v,d in G2.edges(data=True):
        if query(u,v,d):
            result.append([(u,v)])
    return result

# Example query functions
# Each assumes that it receives two nodes (u,v) and 
# the data (d) for an edge 

def dog_feeling(u, v, d):
    return (d['statementid'] == "3" 
            and G2.node[u]['type'] == "Dog"
            or G2.node[u]['type'] == "Dog")

def any_feeling(u,v,d):
    return (d['statementid'] == "3" 
            and G2.node[u]['type'] == "Feeling"
            or G2.node[u]['type'] == "Feeling")

def cat_feeling(u,v,d):
    return (G2.node[u]['type'] == "Cat"
            or G2.node[v]['type'] == "Cat")

# Using the queries
print select(G2, query = dog_feeling)
print select(G2, query = any_feeling)
print select(G2, query = cat_feeling)

这将迭代过程抽象为select() 函数，您可以将查询编写为单独的、可测试的函数。