如何从NetworkX图设置DGL节点特征？与PyG转换结果差异解析

问题场景 #

将包含多维度节点属性的NetworkX图转换为DGL数据时，得到的节点特征是分散的独立字段，而PyTorch Geometric（PyG）转换后会将多维度属性合并为一个统一的节点特征张量，具体代码及结果如下：

DGL转换代码及结果 #

import dgl
import networkx as nx
import numpy as np
import torch

# 构建NetworkX图，包含3个节点、4条边（无向边双向存储）、3个节点属性
G = nx.Graph()
G.add_nodes_from([
    (1, {"x_0": 0.1, "x_1": 0.3, "x_2": 0.7}),
    (2, {"x_0": 0.1, "x_1": 0.3, "x_2": 0.7}),
    (3, {"x_0": 0.1, "x_1": 0.3, "x_2": 0.7}),
])
G.add_edges_from([(1, 2), (2, 1), (1, 3), (3,1)])

cols = ["x_0", "x_1", "x_2"]
dgl_graph = dgl.from_networkx(G, node_attrs=cols)

# DGL输出结果
# Graph(num_nodes=3, num_edges=4,
#       ndata_schemes={'x_0': Scheme(shape=(), dtype=torch.float32), 'x_1': Scheme(shape=(), dtype=torch.float32), 'x_2': Scheme(shape=(), dtype=torch.float32)}
#       edata_schemes={})

PyG转换代码及结果 #

from torch_geometric.utils.convert import from_networkx

pyg_graph = from_networkx(G, group_node_attrs=all)
pyg_graph

# PyG输出结果
# Data(edge_index=[2, 4], x=[3, 3])

疑问 #

DGL的转换结果与PyG的结果是否等价？若不等价，如何将NetworkX的节点属性转换为DGL的统一节点特征？

解答 #

1. 结果不等价 #

两者核心差异在于节点特征的存储方式：

• PyG通过group_node_attrs=all参数，自动将多个节点属性合并为一个形状为[节点数, 特征维度]的张量x（此处为[3,3]）。
• DGL默认会将每个节点属性单独存储为ndata中的一个独立字段，每个字段是形状为[节点数]的一维张量（如x_0对应[3]），并未自动合并。

2. 合并DGL节点属性为统一特征 #

可以通过torch.cat将分散的节点属性拼接成一个统一的特征张量，代码示例如下：

# 将分散的节点属性合并为一个3维特征张量
dgl_graph.ndata['x'] = torch.cat(
    [dgl_graph.ndata[col].unsqueeze(1) for col in cols],  # 给每个属性增加维度变为[3,1]
    dim=1  # 按列拼接得到[3,3]的特征张量
)

# 可选：删除原来的单个属性字段，保持结构简洁
for col in cols:
    del dgl_graph.ndata[col]

执行上述代码后，DGL图的ndata_schemes会变为：

ndata_schemes={'x': Scheme(shape=(3,), dtype=torch.float32)}

此时DGL的节点特征x与PyG的x结构完全一致，均为每个节点对应3维特征的张量。

内容的提问来源于stack exchange，提问作者Ssong