Python 在构建NetworkX图形时避免NaN属性

我想使用pandas读取包含节点及其属性的csv文件。并非所有节点都具有每个属性，缺少的属性只是csv文件中缺少的属性。熊猫读取csv文件时，缺少的值显示为

nan

。我想从数据帧批量添加节点，但避免添加

nan

属性

例如，下面是一个名为

mwe.csv

的示例csv文件：

Name,Cost,Depth,Class,Mean,SD,CST,SL,Time
Manuf_0001,39.00,1,Manuf,,,12,,10.00
Manuf_0002,36.00,1,Manuf,,,8,,10.00
Part_0001,12.00,2,Part,,,,,28.00
Part_0002,5.00,2,Part,,,,,15.00
Part_0003,9.00,2,Part,,,,,10.00
Retail_0001,0.00,0,Retail,253,36.62,0,0.95,0.00
Retail_0002,0.00,0,Retail,45,1,0,0.95,0.00
Retail_0003,0.00,0,Retail,75,2,0,0.95,0.00

以下是我目前的处理方式：

将熊猫作为pd导入
将numpy作为np导入
将networkx导入为nx
node_df=pd.read_csv（'mwe.csv'））
graph=nx.DiGraph（）
图.从（node_df['Name']）添加节点
nx.set_node_属性（图形，dict（zip（node_df['Name']，node_df['Cost']），'nodeCost'））
nx.设置节点属性（图形、dict（zip（节点名称、节点平均值）、avgDemand）
nx.set_node_属性（图形，dict（zip（node_df['Name']，node_df['SD']），'sdDemand'）
nx.设置节点属性（图形、dict（zip（node_df['Name']，node_df['CST']）、'servTime'）
nx.set_node_属性（图形，dict（zip（node_df['Name']，node_df['SL']），'servLevel'））
#循环遍历所有节点和所有属性并删除NAN。
对于graph.nodes中的i：
对于列表中的k，v（graph.nodes[i].items（））：
如果np.isnan（v）：
del graph.nodes[i][k]

---

它能用，但很笨重。是否有更好的方法，例如，在添加节点时避免出现

nan

s，而不是在添加节点后删除

nan

s？

在这种情况下，您可以利用Pandas的力量进行竞价。因此，我创建了这个函数，它将具有两个键和值列的数据帧转换为一个系列，然后使用NaN删除元素，最后将其更改为字典

def create_node_attribs(key_col, val_col):
    # Upto you if you want to pass the dataframe as argument
    # In your case, since this was the only df, I only passed the columns
    global node_df
    return Series(node_df[val_col].values,
                  index=node_df[key_col]).dropna().to_dict()

这是完整的代码

import pandas as pd
import networkx as nx
from pandas import Series

node_df = pd.read_csv('mwe.csv')

graph = nx.DiGraph()

def create_node_attribs(key_col, val_col):
    # Upto you if you want to pass the dataframe as argument
    # In your case, since this was the only df, I only passed the columns
    global node_df
    return Series(node_df[val_col].values,
                  index=node_df[key_col]).dropna().to_dict()

graph.add_nodes_from(node_df['Name'])
nx.set_node_attributes(graph, create_node_attribs('Name', 'Cost'), 'nodeCost')
nx.set_node_attributes(graph, create_node_attribs('Name', 'Mean'), 'avgDemand')
nx.set_node_attributes(graph, create_node_attribs('Name', 'SD'), 'sdDemand')
nx.set_node_attributes(graph, create_node_attribs('Name', 'CST'), 'servTime')
nx.set_node_attributes(graph, create_node_attribs('Name', 'SL'), 'servLevel')

用代码链接到

---

另外，有关当前所用方法的时间比较的详细信息。

将csv导入到Pandas时，请使用

保留默认值\u na

：

pd.read_csv('data.csv', keep_default_na=False)