Python 与Networkx相比，图形工具速度惊人地慢

在看到令人印象深刻的图形后，我决定尝试使用图形工具。为了进行比较，我编写了代码来使用这两个包生成一个随机树

图形工具代码：

import numpy as np
import graph_tool.all as gt

# construct an initial graph with two nodes and one link
n = 5000
G = gt.Graph(directed = False)
G.add_edge(0, 1)

for t in range(2, n):
    # connect the new vertex to one of the old vertices randomly
    G.add_edge(np.random.choice(range(t)), t)

Networkx代码：

import networkx as nx
import numpy as np

n = 5000
# initial graph
G = nx.Graph()
G.add_edge(0, 1)

for t in range(2, n):
    G.add_edge(t, np.random.choice(range(t)))

图形工具在我的4核机器上大约需要14秒，而networkx在同一台机器上不到2秒！我错过了什么明显的东西吗

---

提前谢谢。

这里没有什么令人惊讶的。图形工具通过将主循环卸载到C++来实现更高的性能。如果所有的主循环都是Python，那么它没有任何优势。其他库（如numpy）也是如此

实现快速添加边的正确方法是让graph tool执行主循环。您正在生成的网络是一个简单的增长模型，可以在图形工具中通过调用：

G = price_network(n, gamma=0, directed=False)

在我的计算机中，n=5000大约需要15毫秒

还要注意，python代码的速度太慢，这是不必要的，因为在每次迭代中都会创建包含所有顶点的新列表。更快的版本是：

from numpy.random import randint
n = 5000
G = Graph(directed=False)
G.add_vertex(n)
G.add_edge(0, 1)
for i in range(2, n):
    G.add_edge(i, randint(i))

对于更大的n值，一次添加所有边将比逐个添加更快，即

from graph_tool.all import *
from numpy.random import randint
n = 5000
G = Graph(directed=False)
edges = [(0, 1)]
for i in range(2, n):
    edges.append((i, randint(i)))
G.add_edge_list(edges)

---

我猜，一个接一个地添加边比其他一些用例（例如，对预先存在的图形进行大量搜索）要慢。实际上，我用它运行了更复杂的代码，但networkx给了我更好的性能。（这一个：）是不是初始化网络的速度太慢了？不是。我正在打印这些时间

t

，在图形工具中，我可以看到随着

t

变大，这些时间打印得越来越慢。是的。现在我明白了。但是我如何构造一些广义图呢？例如，对于优先连接模型，我显然不能一次添加所有边。另外，我实际上想模拟一个网络，其中新节点的数量是当前网络大小的一小部分，因此我不能同时添加所有节点。是这样吗？谢谢，请指导我如何同时高效地完成多个节点的任务？Thanks@Peaceful，你绕过了吗？@user1712447蒂亚戈的回答很有帮助。