如何將浮點類型的權重添加到 retworkx 有向圖

Question

在我追求 python 的快速圖形庫之后，我偶然發現了reworkx ，我正在嘗試實現與使用networkx相同的（期望的）結果。

在我的networkx代碼中，我用一組加權邊實例化了一個有向圖object，激活它的內置shortest_path（基於dijkstra），並接收該路徑。 我通過使用以下代碼來做到這一點：

graph = nx.DiGraph()
in_out_weight_triplets = np.concatenate((in_node_indices, out_node_indices,
                                         np.abs(weights_matrix)), axis=1)
graph.add_weighted_edges_from(in_out_weight_triplets)
shortest_path = nx.algorithms.shortest_path(graph, source=n_nodes, target=n_nodes + 1,
                                            weight='weight')

嘗試使用 reworkx 重現相同的最短路徑時：

graph = rx.PyDiGraph(multigraph=False)
in_out_weight_triplets = np.concatenate((in_node_indices.astype(int), 
                                         out_node_indices.astype(int),
                                         np.abs(weights_matrix)), axis=1)
unique_nodes = np.unique([in_node_indices.astype(int), out_node_indices.astype(int)])
graph.add_nodes_from(unique_nodes)
graph.extend_from_weighted_edge_list(list(map(tuple, in_out_weight_triplets)))
shortest_path = rx.digraph_dijkstra_shortest_paths(graph, source=n_nodes,
                                                   target=n_nodes + 1)

但是對於使用帶有浮動權重的三元組，我得到了錯誤：

 "C:\Users\tomer.d\Anaconda3\lib\site-packages\IPython\core\interactiveshell.py", line 3437, in run_code exec(code_obj, self.user_global_ns, self.user_ns) File "<ipython-input-23-752a42ce79d7>", line 1, in <module> graph.extend_from_weighted_edge_list(list(map(tuple, in_out_weight_triplets))) TypeError: argument 'edge_list': 'numpy.float64' object cannot be interpreted as an integer ```

當我嘗試將權重乘以 10^4 並將它們轉換為整數的解決方法時：

np.concatenate((in_node_indices.astype(int), out_node_indices.astype(int),
               (np.abs(weights_matrix) * 10000).astype(int), axis=1)

所以我應該不會失去重量的細微之處 - 沒有引發錯誤，但最短路徑的 output 與我使用 networkx 時得到的不同。

我知道權重不一定是這里的問題，但它們目前是我的主要嫌疑人。

謝天謝地，任何其他建議都會被接受。

Answer 1

在不知道代碼片段中包含的in_node_indices 、 out_node_indices和weights_matrix的情況下，很難為您的用例提供准確的工作示例。 但是，我可以根據錯誤消息進行猜測。 我認為您在這里遇到的問題很可能是因為您嘗試使用in_node_indices和out_node_indices中的值作為 retworkx 索引，但不一定存在 1:1 映射。 節點的 reworkx 索引是在添加節點時分配的，是返回值。 因此，如果您執行類似graph.add_node(3)的操作，則返回的結果不一定是3 ，它將是分配給該實例3的節點索引，當它被添加為圖中的節點時。 如果你運行graph.add_nodes_from([3, 3])你會得到兩個不同的索引返回。 這與 networkx 將數據有效負載視為圖中的查找鍵不同（因此graph.add_node(3)將節點3添加到您通過3查找的圖中，但是您只能有一個帶有有效載荷3 )。 您可以在此處參考 networkx 用戶的 reworkx 文檔以獲取更多詳細信息： https://qiskit.org/documentation/retworkx/networkx.html

因此，當您調用add_nodes_from()時，您需要 map 輸入數組中 position 的值到從同一 position 的方法返回的索引，以識別圖中的節點。 我想如果你這樣做：

import retworkx as rx
graph = rx.PyDiGraph(multigraph=False)
unique_indices = np.unique([in_node_indices, out_node_indices])
rx_indices = graph.add_nodes_from(unique_indices)
index_map = dict(zip(unique_indices, rx_indices))
in_out_weight_triplets = np.concatenate((in_node_indices, out_node_indices,
                                         np.abs(weights_matrix)), axis=1)
graph.add_nodes_from([(index_map[in], index_map[out], weight) for in, out, weight in in_out_weight_triplets])

我沒有測試上面的代碼片段（所以可能有錯別字或其他問題），因為我不知道in_node_indices 、 out_node_indices和weight_matrix的內容是什么。 但它應該讓您更好地了解我上面描述的內容。

話雖如此，我確實想知道weight_matrix是否是鄰接矩陣，如果是，那么這樣做可能更容易：

import retworkx

graph = retworkx.PyDiGraph.from_adjacency_matrix(weight_matrix)

this is also typically faster (assuming you already have the matrix) because it uses the numpy C api and avoids the type conversion going between python and rust and all the pre-processing steps.

最近在 retworkx 問題跟蹤器中還打開了一個類似的問題： https://github.com/Qiskit/retworkx/issues/546 。 我的回復包含有關 reworkx 內部的更多詳細信息。