Python networkX有向图边数

我有一个来自

networkx

包的

multi-digraph

类型的有向图

G

下面两个电话的号码不同。他们不应该是一样的吗

G.边的数量（）

networkx.将矩阵转换为稀疏矩阵（G）.nnz

---

不幸的是，我无法在手动创建的小图中重现此问题，如下面的示例所示，其中两个调用打印相同的数字5：

import networkx as nx
tmp = nx.MultiDiGraph([(0, 1), (1, 2), (2, 0), (1, 0), (3, 4)])

tmp.number_of_edges(): 5, nx.convert_matrix.to_scipy_sparse_matrix(tmp).nnz: 5

以下是

G

的输出：

G.number_of_edges(): 87780, nx.convert_matrix.to_scipy_sparse_matrix(G).nnz: 84242

---

G

是一个其他人生成的巨大图形，我无法在此处共享。

一个

多向图

可以在相同的两个节点之间有多条边

scipy.sparse.csr_矩阵的
nnz
属性返回非空矩阵值的数量。如果图形在两个节点之间有多条边，则
nnz
的值将是每个方向上连接的节点数，而
.number\u of_edges（）
将是图形中的边总数。这些数字将会不同

如果要获取边的总数，请使用
.sum（）
值作为
csr\u矩阵

import networkx as nx
tmp = nx.MultiDiGraph([(0, 1), (1, 2), (2, 0), (1, 0), (3, 4)])
tmp.add_edge(3, 4)
tmp.add_edge(3, 4)
tmp.add_edge(3, 4)

nx_edge_count = tmp.number_of_edges()
scipy_nnz = nx.convert_matrix.to_scipy_sparse_matrix(tmp).nnz
scipy_edge_count = nx.convert_matrix.to_scipy_sparse_matrix(tmp).sum()

print("Number of edges: {}".format(nx_edge_count))
print("Number of non-zero matrix values: {}".format(scipy_nnz))
print("Sum of sparse matrix values: {}".format(scipy_edge_count))

边数：8

非零矩阵值的数量：5

稀疏矩阵值之和：8

有一个可复制的例子吗？不幸的是没有--我更新了问题。这很有帮助，谢谢。我意识到邻接矩阵包含值
n
，而不是
1
，用于相同两个节点之间存在
n
次的边。