Python Networkx：如何在优化图编辑距离中使用节点匹配参数？

我试图借助NetworkX上的

optimize\u graph\u edit\u distance

算法比较两个图：

optimize_graph_edit_distance(G1, G2,
    node_match=None,
    node_subst_cost=None,
    edge_match=None,
    node_del_cost=None,
    edge_subst_cost=None,
    edge_del_cost=None,
    edge_ins_cost=None,
    upper_bound=None)

我以字典的形式给两个图上的每个节点赋予了一定数量的属性，在

node\u match

的帮助下，我可以指定在匹配过程中是否应该将节点N1和N2视为相等

函数

节点\u match

的调用方式如下：

node_match(G1.nodes[n1], G2.nodes[n2])  >>n1 and n2 are node attribute dictionaries as input. 

---

我的问题是每个图中有多个节点。因此，如何给函数“所有其他属性字典”以比较所有其他节点？

node\u match

是一个函数，如果G1中的节点n1和G2中的节点n2在匹配过程中应被视为相等，则该函数将返回True。例如：

import networkx as nx
G1 = nx.DiGraph()
G1.add_nodes_from([(0, {'label':'a'}), (1, {'label':'b'}),(2, {'label':'c'})])
G1.add_edges_from([(0,1),(0,2)])

G2 = nx.DiGraph()
G2.add_nodes_from([(3, {'label':'a'}), (4, {'label':'b'}),(5, {'label':'c'})])
G2.add_edges_from([(3,4),(3,5)])

print(G1.nodes())
print(G1.edges())

print(G2.nodes())
print(G2.edges())

for dist in nx.algorithms.similarity.optimize_graph_edit_distance(G1, G2, node_match=lambda a,b: a['label'] == b['label']):
    print(dist)

这里，即使两个图中的节点标识符不同，距离也将为零。这是因为我们将比较两个节点的函数定义为

lambda，b:a['label']==b['label']

，这意味着如果两个节点具有相同的“label”值，则在匹配过程中认为它们相等

---

类似地，您可以实现任何想要实现的逻辑，而无需特别处理图中的每一对节点。

谢谢！有道理。是否可以将多个节点与多个属性进行比较？比较总是在多对节点之间进行（函数应决定是否为同一节点），并且您可以根据多个属性定义逻辑（'a'和'b'只是字典，每个字典都有所有节点的属性，因此您不受如何使用它来比较节点的限制）。