Python 基于igraph的有效公共邻域和优先依附

我正在用pythonigraph实现一些相似性度量。特别是共同的邻居和优先的依恋

最初，我有以下几点：

#!/usr/bin/env python
# encoding: utf-8

import igraph

def preferential_attachment(g, i, j):
    return g.degree(i) * g.degree(j)

def common_neighbors(g, i, j):
    return len(set(g.neighbors(i)).intersection(g.neighbors(j)))

---

但我认为有一种方法可以提高代码性能。有人知道如何提高这段代码的性能吗？

预先将邻居集计算到邻接列表中，然后只使用邻接列表中的项目，而不是反复查询邻居。同样的事情也有助于度计算，因为不需要调用方法，您可以从数组中查找度：

class PrecalculatedStuff(object):
    def __init__(self, graph):
        self.graph = graph
        self.degrees = graph.degree()
        self.adjlist = map(set, graph.get_adjlist())

    def degree_product(self):
        return self.degrees[i] * self.degrees[j]

    def common_neighbors(self, i, j):
        return self.adjlist[i].intersection(self.adjlist[j])

此外，如果使用NumPy，则度的乘积可能更有效地进行计算-本质上是将度列表转换为NumPy向量，然后将向量（作为列向量）与其转置（即行向量）相乘。结果是一个矩阵，其中包含所有节点对的度积，然后使用C而不是Python完成循环