0

我只是在学习python，所以我很感激帮助。我有一个双列数据集，第一列是唯一的 id，第二列是一串项目。我正在使用 networkX 从数据中创建一棵树（见下文）。我需要知道每个级别的项目频率。例如，对于 A (1,2,3,4) 中的路径，每个节点的计数应为 1:4、2:2、3:2 和 4:2。如何获取节点数？

我的数据如下所示：

A      1, 2, 3, 4
B      1, 2, 1, 4
C      1, 3, 4, 3
D      1, 4, 3, 2

我到目前为止的代码如下：

#create graph
G = nx.MultiGraph()

#read in strings from csv
testfile = 'C:…file.txt'

with open(testfile, "r") as f:
    line = f.readline
    f = (i for i in f if '\t' in i.rstrip())
    for line in f:
        customerID, path = line.rstrip().split("\t")
        path2 =  path.rstrip("\\").rstrip("}").split(",")
        pathInt = list()
        for x in path2:
            if x is not None:
                newx = int(x)
                pathInt.append(newx)
                print(pathInt)
        varlength = len(pathInt)
        pathTuple = tuple(pathInt)
        G.add_path([pathTuple[:i+1] for i in range(0, varlength)])

nx.draw(G)
plt.show() # display
4

1 回答 1

0

首先，您可以更简洁地将字符串列表转换为 int 元组：

pathTuple = tuple(int(x) for x in path2 )
G.add_path([path[:i+1] for i in range(0, len(path))])

为了存储计数数据，我会在 defaultdict 中使用 defaultdict，基本上是一个允许双索引然后默认为 0 的数据结构。

import collections
counts = collections.defaultdict(lambda:collections.defaultdict(lambda:0))

这可以用于这种访问：counts[level][node]然后我们可以通过查看每个节点在路径中的位置来计算每个节点在每个级别上出现的频率。

在此之后，您的代码将如下所示：

#create graph
G = nx.MultiGraph()

#read in strings from csv
testfile = 'C:…file.txt'

with open(testfile, "r") as f:
    line = f.readline
    f = (i for i in f if '\t' in i.rstrip())
    for line in f:
        customerID, path = line.rstrip().split("\t")
        path2 =  path.rstrip("\\").rstrip("}").split(",")
        pathTuple = tuple(int(x) for x in path2 )
        G.add_path([pathTuple[:i+1] for i in range(0, len(pathTuple))])

        for level, node in enumerate(path):
            counts[level][node]+=1

然后你可以这样做：

level = 0
node = 1
print 'Node', node, 'appears', counts[level][node], 'times on level', level
>>> Node 1 appears 4 times on level 0
于 2012-08-08T19:59:48.743 回答