Python 从非方数据集生成拉普拉斯矩阵

我有一个数据集，如下所示，其中第一列和第二列表示从到的节点连接：

fromNode    toNode
0   1
0   2
0   31
0   73
1   3
1   56
2   10
...

我想从这个数据集中生成拉普拉斯矩阵。我使用下面的代码来实现这一点，但它会抱怨，因为数据集本身不是平方矩阵。是否有接受此类数据集并生成矩阵的函数

from numpy import genfromtxt
from scipy.sparse import csgraph
import csv

G = genfromtxt('./data.csv', delimiter='\t').astype(int)
dataset = csgraph.laplacian(G, normed=False)

---

将数据处理为正确的格式，而不是找到将删除数据的函数

伪数据

f

模拟文件对象。对Python3.6使用

io.StringIO

data = '''0   1
0   2
0   31
0   73
1   3
1   56
2   10'''
f = io.BytesIO(data)

读取每行数据，并以

（node1，node1）

的形式将其处理为边列表

edges = []
for line in f:
    line = line.strip()
    (node1, node2) = map(int, line.split())
    edges.append((node1,node2))

找到最高的节点编号，根据最高的节点编号创建一个方形numpy ndarray。你需要知道你的节点编号-它是以零为基础的吗

N = max(x for edge in edges for x in edge)
G = np.zeros((N+1,N+1), dtype = np.int64)

迭代边并将边权重指定给图形

for row, column in edges:
    G[row,column] = 1

---

这里有一个利用的解决方案

---

当然，这两种方法都假定所有边权重相等

---

---

请参阅scipy文档中的。我无法尝试此图表以查看它是否有效，我收到了一个导入错误，原因是

csgraph

-可能需要更新。

看起来您需要将节点/边缘数据集处理为所需的格式-从文档中，而不是

z.t[0]

您可以使用

z[：，0]

，但更好的是：您可以将其解包为

行，columns=z.T

我想。啊，是的。。。

rows，columns

赋值是事后才想到的，我原来在下一行有

z.T

切片。真有趣，你怎么会错过这样的事情。thnx。

z = np.genfromtxt(f, dtype = np.int64)
n = z.max() + 1
g = np.zeros((n,n), dtype = np.int64)
rows, columns = z.T
g[rows, columns] = 1