2

我是编程、Python 和 networkx 的新手（哎呀！），并尝试将四个 graphml 文件合并为一个并删除重复的节点，遵循这里的优秀说明

但是，当有四个文件要比较而不是两个时，我无法弄清楚如何跟踪重复节点。我在下面编写的代码不起作用，但您可以希望看到我的想法是错误的并帮助我。

# script to merge one or more graphml files into one single graphml file

# First read graphml-files into Python and Networkx (duplicate variables as necessary)
A = nx.read_graphml("file1.graphml")
B = nx.read_graphml("file2.graphml")
C = nx.read_graphml("file3.graphml")
D = nx.read_graphml("file4.graphml")

# Create a new graph variable containing all the previous graphs
H = nx.union(A,B,C,D, rename=('1-','2-','3-','4-'))

# Check what nodes are in two or more of the original graphml-files
duplicate_nodes_a_b = [n for n in A if n in B]
duplicate_nodes_b_c = [n for n in B if n in C]
duplicate_nodes_c_d = [n for n in C if n in D]

all_duplicate_nodes = # How should I get this?

# remove duplicate nodes
for n in all_duplicate nodes:
     n1='1-'+str(n)
     n2='2-'+str(n)
     n3='3-'+str(n)
     n4='4-'+str(n)
     H.add_edges_from([(n1,nbr)for nbr in H[n2]]) # How can I take care of duplicates_nodes_b_c, duplicates_nodes_c_d?
     H.remove_node(n2)

 # write the merged graphml files-variable into a new merged graphml file
 nx.write.graphml(H, "merged_file.graphml", encoding="utf-8", prettyprint=True)
4

2 回答 2

2

首先，请注意，您使用的方式nx.union不是您想要的。你真的需要用两张图来调用它。但是如何处理重复项会变得复杂，因为您必须考虑所有可能的图对才能查看节点如何被复制。

相反，让我们更直接地计算每个节点出现的图形数量。这很容易使用Counter：

import collections
ctr = collections.Counter()
for G in [A, B, C, D]:
    ctr.update(G)

现在使用计数器确定哪些节点只出现一次：

singles = {x for (x,n) in ctr.viewitems() if n == 1}

使用这组节点，我们可以计算仅包含不重复节点的子图：

E = nx.union(A.subgraph(singles), B.subgraph(singles))
F = nx.union(C.subgraph(singles), D.subgraph(singles))
H = nx.union(E, F)

该图H将所有四个初始图合并，并删除了重复项。

我展示的方法制作了几个中间图，因此对于大型输入图，您可能会遇到内存问题。如果是这样，可以使用类似的方法来确定重复节点的集合，从原始图中删除这些节点，然后在不保留所有中间节点的情况下找到并集。看起来像：

import collections
import networkx as nx

ctr = collections.Counter()
for G in [A, B, C, D]:
    ctr.update(G)

duplicates = {x for (x,n) in ctr.viewitems() if n > 1}
H = nx.Graph() 
for G in [A, B, C, D]:
    G.remove_nodes_from(duplicates) # change graphs in-place
    H = nx.union(H, G)

这两种方法都利用了 NetworkX 函数通常允许给出额外节点并默默忽略的方式。

于 2013-06-19T14:02:42.033 回答
1

如果 graphml 文件很简单（没有权重、属性等），那么在文本级别上工作可能会更容易。例如，

cat A.graphml B.graphml C.graphml | sort -r | uniq > D.graphml

这将保留来自三个 graphml 文件的唯一节点和边集。您可以稍后使用文本编辑器重新排列D.graphml 中的<graph>,</graph>​​ , <graphml ...>,</graphml>标记。

于 2015-04-20T13:14:52.267 回答