24

ソーシャルネットワーク分析クエリにNetworkXを使用し、ライブラリを初めて使用します。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てい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。グラフはフォームの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"  )

で照会

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"

クエリするための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のカスタム反復を作成するのがベストプラクティスですか？

あるいは（そして別の質問で）、グラフを単純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するものがあるため、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？ノードを反復処理する方が簡単なようです

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：

4

3 に答える 3

26

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を作成するためのワンライナーを作成するのは非常に簡単です（ジェネレーターはここに示されています）

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、高速ルックアップを実行したい場合は、次のような属性の「逆引き辞書」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
于 2013-03-27T04:14:36.427 に答える
11

@Aricの答えに基づいて、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])
于 2013-03-27T10:17:53.470 に答える
9

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なことを行うことができます。

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

于 2013-03-27T08:41:05.780 に答える