PyTorch Geometric：from_networkx与group_node_attrs联用报错问题

错误原因 #

from_networkx的group_node_attrs参数不是用来直接传入特征张量的，它的作用是指定NetworkX图中已存在的节点属性键名，让PyG把这些键对应的属性值合并成x张量。你直接传入特征列表x，因为列表是不可哈希类型，所以触发TypeError: unhashable type: 'list'。

正确实现方式 #

方式1：先给NetworkX节点添加属性，再用group_node_attrs合并 #

先将字符串特征转为数值类型，然后把每个节点的特征作为属性添加到NetworkX图中，再指定属性名让PyG合并：

import networkx as nx
from torch_geometric.utils.convert import from_networkx
import torch

nodes= ['1', '5', '28']
edges= [('1', '5'), ('5', '28')]

G = nx.DiGraph()
G.add_nodes_from(nodes)
G.add_edges_from(edges)

# 1. 将字符串特征转为float类型的列表
x = [[float(val) for val in row] for row in [
    ['0.7844669818878174', '-0.40328940749168396', '-0.9366764426231384'],
    ['0.14061762392520905', '-1.1449155807495117', '-0.1811756044626236'],
    ['-1.8840126991271973', '-1.2096494436264038', '1.0780194997787476']
]]

# 2. 给每个节点添加特征属性
for node, feat in zip(nodes, x):
    G.nodes[node]['feat'] = feat  # 给节点添加名为'feat'的属性

# 3. 转换时指定要合并的属性名
pyg_graph = from_networkx(G, group_node_attrs=['feat'])
# 此时pyg_graph.x就是合并后的特征张量
print(pyg_graph.x)

方式2：直接转换后设置x张量（更简洁） #

如果不需要依赖NetworkX的节点属性，直接转换后手动设置x张量更高效：

import networkx as nx
from torch_geometric.utils.convert import from_networkx
import torch

nodes= ['1', '5', '28']
edges= [('1', '5'), ('5', '28')]

G = nx.DiGraph()
G.add_nodes_from(nodes)
G.add_edges_from(edges)

# 转换特征为torch张量
x_tensor = torch.tensor([
    [float(val) for val in row] for row in [
        ['0.7844669818878174', '-0.40328940749168396', '-0.9366764426231384'],
        ['0.14061762392520905', '-1.1449155807495117', '-0.1811756044626236'],
        ['-1.8840126991271973', '-1.2096494436264038', '1.0780194997787476']
    ]
], dtype=torch.float)

# 先转换图结构
pyg_graph = from_networkx(G)
# 手动设置特征张量
pyg_graph.x = x_tensor

print(pyg_graph.x)

关键注意点 #

• 特征必须转换为数值类型（float/int），不能是字符串，否则PyG无法转为张量
• group_node_attrs仅用于合并已存在的节点属性，不能直接传入特征数据

内容的提问来源于stack exchange，提问作者Iris