1

我正在尝试计算具有两种类型节点的网络的 Adamic-Adar 相似性。我只对计算具有传出连接的节点之间的相似性感兴趣。具有传入连接的节点是一种连接器，我对它们不感兴趣。

数据大小及特点：

> summary(g)
IGRAPH DNW- 3852 24478 -- 
+ attr: name (v/c), weight (e/n)

Python 2.7 中的原型代码：

import glob
import os
import pandas as pd
from igraph import *

os.chdir("data/")
for file in glob.glob("*.graphml"):
    print(file)
    g = Graph.Read_GraphML(file)
    indegree = Graph.degree(g, mode="in")

    g['indegree'] = indegree
    dev = g.vs.select(indegree == 0)

    m = Graph.similarity_inverse_log_weighted(dev.subgraph())

    df = pd.melt(m)

    df.to_csv(file.split("_only.graphml")[0] + "_similarity.csv", sep=',')

这段代码有问题，因为devis1和mis 0.0，所以它不能按预期工作。

暗示

我在 R 中有一个工作代码，但似乎我无法将它重写为 Python（我这样做是为了提高性能，网络很大）。这里是：

   # make sure g is your network
   indegree <- degree(g, mode="in")
   V(g)$indegree <- indegree
   dev <- V(g)[indegree==0]
   m <- similarity.invlogweighted(g, dev)
   x.m <- melt(m)
   colnames(x.m) <- c("dev1", "dev2", "value")
   x.m <- x.m[x.m$value > 0, ]

   write.csv(x.m, file = sub(".csv",
                             "_similarity.csv", filename))
4

1 回答 1

1

您将入度分配为图形属性，而不是顶点属性，因此您以后不能合理g.vs.select()地调用。你需要这个：

indegree = g.degree(mode="in")
g.vs["indegree"] = indegree
dev = g.vs.select(indegree=0)

但实际上，你可以简单地这样写：

dev = g.vs.select(_indegree=0)

这是因为该select方法的工作原理：

如果从关键字参数推断出的属性名称以下划线 ( ) 开头，则它们将被特殊处理_。这些不是真正的属性，而是指顶点的特定属性，例如，它的度数。规则如下：如果属性名称以下划线开头，则名称的其余部分被解释为 Graph 对象的方法。此方法以顶点序列作为其第一个参数（所有其他参数保留默认值）调用，并根据该方法返回的值过滤顶点。

于 2015-08-30T12:29:58.737 回答