构建igraph图时保留原始节点ID并关联Infomap聚类结果方法问询

我通过带编号的边列表加载得到igraph图g，调用community_infomap()方法获取聚类结果后，希望得到一个以原边列表中节点编号为索引的DataFrame/Series，其中包含Infomap分配的聚类编号（即infmap_object.membership），还可选择性包含节点参与的边数量。另外想知道：有没有相关函数或方法实现这个需求？或者能否在创建图时保留原始节点ID，而非让igraph将其重置为递增编号？

代码示例：

import igraph as ig

# edges = [(node1, node2, weight), ...]

g = ig.Graph.TupleList(edges, weights=True)

infmap = g.community_infomap(edge_weights = g.es["weight"])

df_edges = infmap.get_edges_dataframe() --> # df_edges["key1"] != edges[0]["key1"], iGraph重置了我给定的节点编号

解决方法 #

1. 创建图时保留原始节点ID #

使用igraph.Graph.TupleList创建图时，通过vertex_name_attr参数指定一个属性名，让igraph把原始节点编号存储为节点属性，而非直接替换成内部递增ID。

示例代码：

import igraph as ig
import pandas as pd

# 示例边列表（原始节点编号非连续）
edges = [(100, 200, 0.5), (200, 300, 0.8), (100, 300, 0.3)]

# 创建图，将原始节点ID存入"original_id"属性
g = ig.Graph.TupleList(edges, weights=True, vertex_name_attr="original_id")

此时每个节点的original_id属性就是你输入的原始编号，igraph内部的index则是自动生成的递增ID，两者可一一对应。

2. 生成目标DataFrame/Series #

遍历图中所有节点，将原始ID、聚类编号、节点度（参与的边数量）映射后，转成DataFrame或Series：

包含聚类编号和边数的DataFrame

# 运行Infomap聚类
infmap = g.community_infomap(edge_weights=g.es["weight"])

# 构建节点数据字典
node_info = {}
for node in g.vs:
    node_info[node["original_id"]] = {
        "cluster_id": infmap.membership[node.index],
        "edge_count": node.degree()
    }

# 转成DataFrame，索引为原始节点ID
result_df = pd.DataFrame.from_dict(node_info, orient="index")

仅含聚类编号的Series

如果只需要聚类编号，可简化为：

result_series = pd.Series(
    {node["original_id"]: infmap.membership[node.index] for node in g.vs},
    name="cluster_id"
)

补充说明 #

你之前用的infmap.get_edges_dataframe()返回的是边层面的DataFrame，且用的是igraph内部节点ID，所以和原始编号不匹配。上面的方法直接处理节点层面的数据，通过original_id属性映射回原始编号，完全满足需求。

内容的提问来源于stack exchange，提问作者Ranger