图形工具-从pandas数据框中读取边缘列表

Question

我开始使用graph-tool ，从pandas dataframe df导入边缘列表，例如：

   node1  node2
0      1      2
1      2      3
2      1      4
3      3      1
4      4      3
5      1      5

因此，基本上是有向边的列表。 我根据教程将它们导入到graph-tool中：

from graph_tool.all import *
import pandas as pd
# Read pandas dataframe
df = pd.read_csv('file.csv')
# Define Graph
g = Graph(directed=True)
# Add Edges
g.add_edge_list(df.values)

根据add_edge_list（ edge_list ）的文档： edge_list可以是形状为（E，2）的ndarray，其中E是边的数量，每行指定一对（源，目标）。

运行上面的代码设置edge_list = df.values，并绘制图形，我获得了：

这并不表示数据帧的原始edge_list 。 我试图通过以下方式设置*edge_list* = df.values.tolist() ：

g.add_edge_list(df.values.tolist())

获得：

哪个实际上是正确的。 任何人都可以重现吗？ 这里的问题是我正在使用大型网络（ .tolist() * 10 ^ 6个节点），并且我认为.tolist()方法将在此过程中浪费大量内存。

编辑：添加代码以绘制图形：

graph_draw(g, vertex_text=g.vertex_index, vertex_font_size=18, output_size=(200, 200), output="graph.png")

Answer 1

那真是奇怪的行为，我从来没有使用过图工具（总是networkx ），所以我现在无法重现，但这可能会有所帮助。

根据文档， edge_list可以是迭代器。 这意味着您可以尝试使用comprehension从df.values.tolist()创建一个生成器，并将其作为edge_list传递，我不知道它是否会加快您的edge_list * 10 ^ 6节点的速度。

看起来像这样：

g.add_edge_list((item for item in df.values.tolist()))

尺寸差异示例

import numpy as np
import sys

df = pd.DataFrame(np.random.rand(1000,2)) # example "large" dataframe

print sys.getsizeof(df.values.tolist())
print sys.getsizeof((item for item in df.values.tolist()))

8072 #type list
80 # type generator

只是一个主意

Answer 2

我无法重现。 如果我从csv文件加载数据帧：

  node1,node2
  1,2
  2,3
  1,4
  3,1
  4,3
  1,5

在调用g.add_edge_list(df.values)之后，我得到了第二个数字。

Answer 3

这很旧，但是我注意到，如果您按列主要顺序从数据框中读取成对的顶点，则会出现第一个图。 我想这是奇怪行为的根源。