带有adamic_adar_index的Python networkx链接预测

Question

我有一个networkx图形对象，它是加权的和无向的。 我试图使用Adamic Adar Index为每个节点预测10个新链接。 Networkx中的函数adamic_adar_index返回元组的生成器，其格式设置为（nodeid1，nodeid2，adamic_adar_index）。 我对Python的生成器不熟悉。 我想做的是将生成器按nodeid1分组，并返回nodeid1的最大10个索引。

这是我的代码，其中“ coauthor”是网络对象，“ preds”是生成器。 数据文件在这里https://www.dropbox.com/s/hyr1hgjs4yt03x2/coauthor.csv?dl=0

import csv
import networkx as nx
g = nx.read_weighted_edgelist("coauthor.csv", delimiter='\t', encoding='utf-8')
coauthor = nx.read_weighted_edgelist("coauthor.csv", delimiter='\t', encoding='utf-8')
preds = nx.adamic_adar_index(coauthor)

Answer 1

看一看heapq.nlargest它需要一个可迭代的对象，并返回该可迭代对象中的n个最大对象。 由于我没有您的合著者清单，因此我将使用空手道图表。 而不是立即查看所有非边缘（如adamic_adar_index所做的那样），我将遍历G中的每个节点u，并对u的所有非邻居进行此操作

import networkx as nx
import heapq


def nonedges(G,u):  #a generator with (u,v) for every non neighbor v
    for v in nx.non_neighbors(G, u):
        yield (u, v)


G = nx.karate_club_graph()

for u in G.nodes_iter():# you may want to check that there will be at least 10 choices.
    preds = nx.adamic_adar_index(G,nonedges(G,u))
    tenlargest = heapq.nlargest(10, preds, key = lambda x: x[2])
    print tenlargest

警告：如果您不小心，此处描述的算法中存在错误：对于节点1，您可能会发现一些元组将返回为（1、2、3.2），（1、3、0.3），（ 4，1，100）。 描述分组的方式将错过（4,1）对。 我的示例对每对进行两次检查以避免这种情况。 您可以通过一些努力来消除这种重复的计算机工作。

生成器和迭代器密切相关。 有关迭代器的更多信息，请参见https://docs.python.org/2/glossary.html#term-iterator （您也可以在该页面上找到生成器）。 您可以将其视为列表，但是有关于如何访问它的规则。 每次查看时，都会得到下一个元素。 一旦查看了元素，就将其从迭代器中删除。 您一次只能从迭代器中获得一件事。 在计算机内存中，它不必保存整个内容（它会在需要时生成下一个元素）。 因此，例如，您可以看到我在循环中使用了迭代器而不是G.nodes（）。 这意味着计算机永远不必将G中的所有节点都保留在其内存中。

for u in G.nodes_iter():

与

for u in G.nodes()