web-dev-qa-db-ja.com

NetworkXでEdge属性とノード属性でグラフをクエリするためのベストプラクティス

ソーシャルネットワーク分析クエリのためのNetworkXの使用、およびライブラリの新機能。クエリとは、エッジがパスを作成し、ノードに属性が含まれる両方のエッジノードの属性によってサブグラフを選択/作成することを意味します。グラフは次の形式のMultiDiGraphを使用しています

_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"  )
_

でクエリ

_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" 
_

クエリするより良い方法はありますか？または、サブグラフを作成するためにカスタム反復を作成することがベストプラクティスですか？

別の方法として（別の質問として）、グラフを簡略化することもできますが、「嫌い」タイプのオブジェクトには先行オブジェクトがあるため、以下のグラフは使用していません。これによりクエリが簡単になりますか？ノードを反復する方が簡単に見える

_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")
_

その他の注意事項：

  • おそらく_add_path_は作成されたパスに識別子を追加しますか？
  • iGraphには ニースクエリ機能g.vs.select()があります
pythonnetworkxigraph
24
Jonathan Hendler

@ Aricの答え を基にすると、次のような赤い魚を見つけることができます。

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])
11
unutbu

特定のプロパティを持つノードのリストまたはジェネレーター（ここではジェネレーターを示します）を作成するワンライナーを書くのはかなり簡単です

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))

グラフが大きくて固定されていて、高速なルックアップを行いたい場合は、次のような属性の「逆辞書」を作成できます。

labels = {}
for n, d in G.nodes(data=True):
    l = d['label']
    labels[l] = labels.get(l, [])
    labels[l].append(n)
print labels
26
Aric

エッジとノードの属性に基づいてエッジを選択するには、グラフG2を使用して、次のようにすることができます。

_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)
_

これにより、反復プロセスがselect()関数に抽象化され、クエリを個別のテスト可能な関数として記述できます。

9
gauden