igraph.io.objects

从一个或两个数据帧生成图。

从字典的字典表示构建图。

每个键可以是整数或字符串，并表示一个顶点。每个值是一个字典，表示从该顶点出发的边（如果图是有向的，则为出边）。每个字典键是目标顶点的整数/字符串，这样将在这两个顶点之间创建一条边。整数被解释为从 0 开始的 vertex_ids（igraph 中使用的方式），字符串被解释为顶点名称，在这种情况下，顶点会获得单独的数字 ID。每个值是该边的边属性字典。

示例

>>> {'Alice': {'Bob': {'weight': 1.5}, 'David': {'weight': 2}}}

创建一个包含三个顶点（Alice, Bob, 和 David）和两条边的图

• Alice - Bob（权重 1.5）
• Alice - David（权重 2）

从字典列表表示构建图。

当您有两个字典列表时，此函数非常有用，一个用于顶点，一个用于边，每个列表都包含它们的属性（例如名称、权重）。当然，边字典也必须包含两个特殊键，指示该边连接的源顶点和目标顶点。只要非列表可迭代对象能产生字典或类字典对象（它们应该有 'items' 和 '__getitem__' 方法），它们就应该能正常工作。例如，数据库查询结果只要是可迭代的并且在每次迭代时产生类字典对象，就可能适用。

>>> vertices = [{'name': 'apple'}, {'name': 'pear'}, {'name': 'peach'}]
>>> edges = [{'source': 'apple', 'target': 'pear', 'weight': 1.2},
...          {'source': 'apple', 'target': 'peach', 'weight': 0.9}]
>>> g = Graph.DictList(vertices, edges)

从列表的字典表示构建图。

此函数用于从列表的字典构造图。也接受其他非列表序列（例如元组）和惰性迭代器。对于每个键 x，其对应的值必须是多个值 y 的序列：将在图中创建边 (x,y)。x 和 y 必须是以下之一：

• 两个整数：具有这些 ID 的顶点将被连接
• 两个字符串：具有这些名称的顶点将被连接

如果使用名称，则不保证顶点的顺序，并且每个顶点将获得 vertex_name_attr 属性。

>>> mydict = {'apple': ['pear', 'peach'], 'pear': ['peach']}
>>> g = Graph.ListDict(mydict)

从元组列表表示构建图。

此表示假定图的边编码在元组（或列表）列表中。列表中的每个项必须至少有两个元素，这些元素指定边的源顶点和目标顶点。其余元素（如果有）指定该边的边属性，其中边属性的名称来源于edge_attrs列表。顶点的名称将存储在由vertex_name_attr.

此函数的默认参数适用于从每个项包含源顶点和目标顶点的列表中创建无权重图。如果您有加权图，可以通过设置edge_attrs设置为"weight"或["weight"]。如果您有更多边属性，请将它们添加到edges列表的每个项的末尾，并在edge_attrs中也指定相应的边属性名称，作为一个列表。

将带属性的边导出到 pandas.DataFrame

如果您想使用源和目标顶点 ID 作为索引，可以这样做：

>>> from string import ascii_letters
>>> graph = Graph.GRG(25, 0.4)
>>> graph.vs["name"] = ascii_letters[:graph.vcount()]
>>> df = graph.get_edge_dataframe()
>>> df.set_index(['source', 'target'], inplace=True)

索引将是 pandas.MultiIndex。您可以使用drop=False选项来保留source和target列。

如果您想在源和目标列中使用顶点名称

>>> df = graph.get_edge_dataframe()
>>> df_vert = graph.get_vertex_dataframe()
>>> df['source'].replace(df_vert['name'], inplace=True)
>>> df['target'].replace(df_vert['name'], inplace=True)
>>> df_vert.set_index('name', inplace=True)  # Optional

将图导出为边的属性的字典的字典

此函数是 Graph.DictDict 的逆操作。

示例

>>> g = Graph.Full(3)
>>> g.es['name'] = ['first_edge', 'second', 'third']
>>> g.to_dict_dict()
{0: {1: {'name': 'first_edge'}, 2: {'name': 'second'}}, 1: {2: {'name': 'third'}}}

将图导出为两个字典列表，分别用于顶点和边。

此函数是 Graph.DictList 的逆操作。

示例

>>> g = Graph([(0, 1), (1, 2)])
>>> g.vs["name"] = ["apple", "pear", "peach"]
>>> g.es["name"] = ["first_edge", "second"]

>>> g.to_dict_list()
([{"name": "apple"}, {"name": "pear"}, {"name": "peach"}],
 [{"source": 0, "target": 1, "name": "first_edge"},
  {"source" 0, "target": 2, name": "second"}])

>>> g.to_dict_list(use_vids=False)
([{"name": "apple"}, {"name": "pear"}, {"name": "peach"}],
 [{"source": "apple", "target": "pear", "name": "first_edge"},
  {"source" "apple", "target": "peach", name": "second"}])

将图导出为列表的字典（或其他序列）。

此函数是 Graph.ListDict 的逆操作。

示例

>>> g = Graph.Full(3)
>>> g.to_sequence_dict() -> {0: [1, 2], 1: [2]}
>>> g.to_sequence_dict(sequence_constructor=tuple) -> {0: (1, 2), 1: (2,)}
>>> g.vs['name'] = ['apple', 'pear', 'peach']
>>> g.to_sequence_dict(use_vids=False)
{'apple': ['pear', 'peach'], 'pear': ['peach']}

将图导出为边元组列表

此函数是 Graph.TupleList 的逆操作。

示例

>>> g = Graph.Full(3)
>>> g.vs["name"] = ["apple", "pear", "peach"]
>>> g.es["name"] = ["first_edge", "second", "third"]

>>> # Get name of the edge
>>> g.to_tuple_list(edge_attrs=["name"])
[(0, 1, "first_edge"), (0, 2, "second"), (1, 2, "third")]

>>> # Use vertex names, no edge attributes
>>> g.to_tuple_list(use_vids=False)
[("apple", "pear"), ("apple", "peach"), ("pear", "peach")]

将带属性的顶点导出到 pandas.DataFrame

如果您想使用顶点名称作为索引，可以这样做：

>>> from string import ascii_letters
>>> graph = Graph.GRG(25, 0.4)
>>> graph.vs["name"] = ascii_letters[:graph.vcount()]
>>> df = graph.get_vertex_dataframe()
>>> df.set_index('name', inplace=True)