如何在Python中从随机图获取邻接矩阵？

嘿，这问题很常见，NetworkX提供了好几种便捷的方式来获取随机图的邻接矩阵，我给你详细说说：

1. 最常用：Numpy数组形式的邻接矩阵 #

如果你需要一个稠密的矩阵（适合小型图，比如你例子里的10节点图），用nx.to_numpy_array()就非常合适，它直接返回一个Numpy数组，操作起来很方便。

示例代码：

import networkx as nx
import numpy as np

n = 10
p = 0.9
G = nx.generators.random_graphs.gnp_random_graph(n, p)
nx.draw(G)

# 获取邻接矩阵，指定dtype=int得到整数类型的矩阵
adj_matrix = nx.to_numpy_array(G, dtype=int)
print("生成的邻接矩阵：")
print(adj_matrix)

这里的矩阵是对称的（因为你生成的是无向图），adj_matrix[i][j]的值为1表示节点i和j之间有边，0表示没有边。

2. 稀疏矩阵形式（适合大型图） #

如果你的图节点数量很多（比如上千个节点），稠密矩阵会占用大量内存，这时候推荐用nx.to_scipy_sparse_array()获取稀疏矩阵，它只存储有边的位置，能大幅节省空间。

示例代码：

# 获取稀疏邻接矩阵
sparse_adj = nx.to_scipy_sparse_array(G)
# 若要查看完整矩阵，可以转换为稠密形式打印
print("\n稀疏矩阵转稠密形式：")
print(sparse_adj.todense())

小提示：固定节点顺序 #

默认情况下，矩阵的行和列对应G.nodes()返回的节点顺序。如果需要固定顺序（比如按节点编号从小到大排序），可以传入nodelist参数：

# 按排序后的节点生成邻接矩阵
sorted_nodes = sorted(G.nodes())
adj_matrix_sorted = nx.to_numpy_array(G, nodelist=sorted_nodes)

注意：旧版本NetworkX里的nx.adjacency_matrix()现在已经被标记为废弃（deprecated），官方推荐使用上面两种方法哦。

内容的提问来源于stack exchange，提问作者user18756599