python - numpy/scipy 从加权边缘列表构建邻接矩阵

Question

我正在读取一个加权的 egdelist/numpy 数组，例如:

0 1 1
0 2 1
1 2 1
1 0 1
2 1 4

其中列为“User1”、“User2”、“Weight”。我想使用 scipy.sparse.csgraph.depth_first_tree 执行 DFS 算法，它需要一个 N x N 矩阵作为输入。我如何将之前的列表转换为方阵:

0 1 1
1 0 1
0 4 0

在 numpy 或 scipy 中？

感谢您的帮助。

编辑:

我一直在处理一个巨大的(1.5 亿个节点)网络，所以我正在寻找一种内存高效的方法来做到这一点。

Answer 1

您可以使用节省内存的 scipy.sparse matrix :

import numpy as np
import scipy.sparse as sparse

arr = np.array([[0, 1, 1],
                [0, 2, 1],
                [1, 2, 1],
                [1, 0, 1],
                [2, 1, 4]])
shape = tuple(arr.max(axis=0)[:2]+1)
coo = sparse.coo_matrix((arr[:, 2], (arr[:, 0], arr[:, 1])), shape=shape,
                        dtype=arr.dtype)

print(repr(coo))
# <3x3 sparse matrix of type '<type 'numpy.int64'>'
#   with 5 stored elements in COOrdinate format>

要将稀疏矩阵转换为密集的 numpy 数组，您可以使用 todense:

print(coo.todense())
# [[0 1 1]
#  [1 0 1]
#  [0 4 0]]