Python NetworkX生成边组合的迭代列表
我有一个180x180的邻接矩阵,我正试图生成所有合理的组合,以使用NetworkX 我想按顺序删除部分图形,然后确定新编辑的图形对全局效率的影响 在这个视图中,一组合理的组合是彼此相邻的所有节点集,以及从假设它们彼此相邻到子图的所有可能的子图组合 运行所有组合的蛮力方法太慢,对于任何超过15个的删除序列,运行时间约为21小时。所以我们只想通过观察彼此相邻的组合来解决这个问题 基本上,代码需要执行以下操作:Python NetworkX生成边组合的迭代列表,python,networkx,Python,Networkx,我有一个180x180的邻接矩阵,我正试图生成所有合理的组合,以使用NetworkX 我想按顺序删除部分图形,然后确定新编辑的图形对全局效率的影响 在这个视图中,一组合理的组合是彼此相邻的所有节点集,以及从假设它们彼此相邻到子图的所有可能的子图组合 运行所有组合的蛮力方法太慢,对于任何超过15个的删除序列,运行时间约为21小时。所以我们只想通过观察彼此相邻的组合来解决这个问题 基本上,代码需要执行以下操作: 导入包含二进制邻接矩阵的csv,其中1表示物理连续性(在本例中为大脑) 导入networ
+--+---------------------------------+
| | 1 2 3 4 5 6 7 8 9 10 11|
+--+---------------------------------+
|1 | 0 1 0 0 0 1 0 0 0 0 0 |
|2 | 1 0 1 0 0 0 1 1 0 0 0 |
|3 | 0 1 0 1 0 0 0 1 1 0 0 |
|4 | 0 0 1 0 1 0 0 0 1 0 0 |
|5 | 0 0 0 1 0 0 0 0 1 0 0 |
|6 | 1 0 0 0 0 0 1 0 0 1 0 |
|7 | 0 1 0 0 0 1 0 1 0 1 1 |
|8 | 0 1 1 0 0 0 1 0 1 0 1 |
|9 | 0 0 1 1 0 0 0 1 0 0 0 |
|10| 0 0 0 0 0 1 1 0 0 0 1 |
|11| 0 0 0 0 0 0 1 1 0 1 0 |
+--+---------------------------------+
基本上,邻接矩阵表示大脑中彼此相邻的部分……我们希望遍历并生成这些节点的分组列表,这些节点从单个节点开始,一直到每个节点的可能组合,但需要注意的是,我们不希望这些组合不与每个节点进行物理接触其他
例如,这样一个列表将有1,2,…11
还有1+2和7+8等
最终我们会有2+7+8和6+7+8+10,因为所有这些节点都相互接触并形成一个连接的组件
1-11是不允许的,因为他们不共享边界;4+5+10也是不允许的,因为他们不接触边界
这一点很重要的原因是,我们是脑外科医生,我们以删除部分图形为生…即大脑图形…但你永远不会删除彼此不相邻的节点…我们试图使用图形来定义我们在手术中可以走多远…因此我们需要使用python来生成所有可能的节点删除组合这在现实世界中是有意义的……二进制邻接矩阵表示物理空间中的现实
一旦我有了一个节点删除的合理组合列表,我有一个代码,它采用不同的数据帧…将节点和边归零,然后创建一个我们运行效率度量的networkx图…我只需要一种方法来确定所有可能的连续组件集,这样我们就不会运行解剖上不合理的组合
我想解决这个问题的方法是在networkx中使用某种连续组件函数,但我无法从图形中导出所有可能的连接组件组合
基本上,代码是这样的
boundary=pd.read_csv(adjacency.csv)
G=networkx.from_pandas_adjacency(boundary)
combo="something to iterate the graph g to create a list of all connected components"
for row in combo:
values = row
datasafe=pandas.read_csv("connections.csv", index_col=0)
datasafe.loc[values, :] = 0
datasafe[values] = 0
g=networkx.from_pandas_adjacency(datasafe)
h=networkx.from_pandas_adjacency(datasafe)
le=local_efficiency(g)
LE_list.append(le)
ge=global_efficiency(h)
GE_list.append(ge)
output=pandas.DataFrame(list(zip(combo, GE_list,LE_list)))
output.to_csv('multi.csv',index=None)
请注意,我们使用一个csv来确定列表,并在不同的csv上使用该列表
提前感谢…这是您正在帮助解决的一个重要问题,它将拯救生命连接组件的正确命名是(不要弄乱真实名称)。你的问题被称为
networkx
有几种算法可用于解决此问题:
您的问题可以通过以下功能解决:
请注意,此函数返回所有可能的团,长度也为1和2(即每个节点和每条边),因此您应该过滤1-2长度的团。例如,对于图形,此函数返回:
list(nx.enumerate_all_cliques(G))
[[0],
[1],
[2],
[3],
[4],
[5],
[6],
[7],
[8],
[9],
[10],
[0, 1],
[0, 5],
[1, 2],
[1, 6],
[1, 7],
[2, 3],
[2, 7],
[2, 8],
[3, 4],
[3, 8],
[4, 8],
[5, 6],
[5, 9],
[6, 7],
[6, 9],
[6, 10],
[7, 8],
[7, 10],
[9, 10],
[1, 2, 7],
[1, 6, 7],
[2, 3, 8],
[2, 7, 8],
[3, 4, 8],
[5, 6, 9],
[6, 7, 10],
[6, 9, 10]]
但如果我们过滤掉所有无用的派系,我们会得到:
list(filter(lambda x: len(x) > 2, nx.enumerate_all_cliques(G)))
[[1, 2, 7],
[1, 6, 7],
[2, 3, 8],
[2, 7, 8],
[3, 4, 8],
[5, 6, 9],
[6, 7, 10],
[6, 9, 10]]
那么,您想要一个相互直接连接的所有节点的列表吗?请提供您的数据和代码的最小示例。请提供最小示例,即一小段数据(输入)和预期输出。请提供您代码中的相关部分。我编辑了问题以包含我们需要的示例。如果您以后需要帮助,您可以通过
vurmux@gmail.com
电子邮件或电报中的t.me/vurmux
。我很乐意帮助你!