如何将节点和边的列表转换为邻接矩阵？

如何解决如何将节点和边的列表转换为邻接矩阵？

我正在构建一个包含 dash_cytoscape 的 Dash 应用程序，用户可以在其中连接和断开给定网络中的节点。现在我想编写一个函数，从该网络的边和节点列表中重建邻接矩阵。我发现 this thread on StackOverflow 大致朝着正确的方向发展，但我的情况似乎是此问题的边缘情况，其中并非每个节点都必须连接到另一个节点。例如，网络可能如下所示：

该网络的正确邻接矩阵可能如下所示：

A = np.array([[0,1,0],[1,[0,2],2,0]])

我能够从网络中获取节点和边的列表：

edges = [('3','4',2),('0','1',1)]
nodes = ['0','2','3','4']

但是如何从那里得到正确的邻接矩阵？

解决方法

您只需要创建一个大小为 >>> img_bytes = fig.to_image(format="png") >>> img=base64.b64encode(fig).decode("ascii") Traceback (most recent call last): File "<stdin>",line 1,in <module> File "C:\Users\bhaskaja\AppData\Local\Continuum\anaconda3\lib\base64.py",line 58,in b64encode encoded = binascii.b2a_base64(s,newline=False) TypeError: a bytes-like object is required,not 'Figure' >>> img=base64.b64encode(fig).decode("ascii") Traceback (most recent call last): File "<stdin>",not 'Figure' 的矩阵 M，其中 V x V 是您的节点总数，并用零填充它。然后对于 V 列表中的每个元素（比如 edges），您知道 (i,j,w) 是要在邻接矩阵中修改的索引。 因此只需设置 i,j。

注意：如果您的图是无向图，请记住从节点 i 到节点 j 的边与从节点 j 到节点 i 的边相同，因此您还必须设置 M[i,j] = w。

,

您可以遍历 edges 并使用权重更新预先填充的列表：

edges = [('3','4',2),('0','1',1)]
nodes = ['0','2','3','4']
m = max(map(int,nodes))
d = [[0 for _ in range(m+1)] for _ in range(m+1)]
for x,y,w in edges:
   d[int(x)][int(y)] = w
   d[int(y)][int(x)] = w

输出：

[[0,1,0],[1,[0,2],2,0]]

,

基于用户 Fonzie 的建议：

n_nodes = len(nodes)
A = np.zeros((n_nodes,n_nodes))

for edge in edges:
    i = int(edge[0])
    j = int(edge[1])
    weight = edge[2]
    A[i,j] = weight
    A[j,i] = weight