使用nx.from_numpy_array构建图时遇未知numpy数据类型object错误

问题场景 #

执行以下代码构建有向图时出现报错：

mat_L1 = mat_L1_df.to_numpy()[1:,1:]
L1_G = nx.from_numpy_array(mat_L1, parallel_edges=False, create_using=nx.DiGraph)  

报错信息：

KeyError: 'O'
TypeError: Unknown numpy data type: object

原因是nx.from_numpy_array仅支持数值类型的numpy数组，而你的mat_L1是object类型数组（可能包含字符串、混合类型或非数值数据），导致无法解析。

解决方法 #

方法1：转换数组为数值类型 #

如果数组内容本质是数值，只是存储为object类型，直接用astype转换：

# 根据实际数据选择float或int
mat_L1 = mat_L1_df.to_numpy()[1:,1:].astype(float)
# 或者
mat_L1 = mat_L1_df.to_numpy()[1:,1:].astype(int)

注意：若数组包含非数值元素，转换会抛出异常，需先清理数据。

方法2：清理并转换非数值元素 #

如果数组存在非数值内容（如空字符串、None），先定义转换规则处理后再转数值：

import numpy as np

def convert_to_numeric(x):
    try:
        return float(x)
    except (ValueError, TypeError):
        return 0.0  # 可根据需求替换为其他默认值

# 批量处理数组元素
mat_L1 = np.vectorize(convert_to_numeric)(mat_L1_df.to_numpy()[1:,1:])

方法3：直接从DataFrame构建图（推荐） #

绕开numpy数组转换，使用NetworkX提供的from_pandas_adjacency方法直接从DataFrame创建图：

# 截取目标邻接矩阵部分（去掉首行首列）
adjacency_df = mat_L1_df.iloc[1:, 1:]
L1_G = nx.from_pandas_adjacency(adjacency_df, create_using=nx.DiGraph)

该方法会自动处理DataFrame中的数据类型，适配性更强。

内容的提问来源于stack exchange，提问作者user24015087