Numpy转换Networkx图为数组异常：同节点数图被错误转换

问题本质 #

当列表中所有Networkx DiGraph对象的节点数相同时，即便指定了dtype=object，Numpy仍会调用DiGraph的__array__方法将其转换为节点数组，进而把整个列表转为二维数值数组，导致图对象和边信息丢失。这是因为Numpy在推断数组结构时，若所有元素转换后的数组形状一致，会优先生成数值数组而非对象数组。

解决办法 #

方法1：先创建空的object数组再逐个赋值

通过预先创建指定长度和类型的空数组，手动添加图对象，避免Numpy自动进行类型推断：

import numpy as np
import networkx as nx

g1 = nx.DiGraph([(1, 2), (2, 3)])
g3 = nx.DiGraph([(1, 2), (2, 1), (1, 3)])

# 创建空的object类型一维数组
ko_numpy = np.empty(2, dtype=object)
# 逐个赋值图对象
ko_numpy[0] = g1
ko_numpy[1] = g3

# 验证结果
print(ko_numpy)
# 输出：[<networkx.classes.digraph.DiGraph object at ...>, <networkx.classes.digraph.DiGraph object at ...>]
print(type(ko_numpy[0]))
# 输出：<class 'networkx.classes.digraph.DiGraph'>

方法2：使用np.fromiter创建对象数组

np.fromiter会逐个迭代输入元素并直接存储为对象，不会触发自动的数组转换：

import numpy as np
import networkx as nx

g1 = nx.DiGraph([(1, 2), (2, 3)])
g3 = nx.DiGraph([(1, 2), (2, 1), (1, 3)])

# 从迭代器创建object类型数组
ko_numpy = np.fromiter([g1, g3], dtype=object)

# 验证结果
print(ko_numpy)
# 输出：[<networkx.classes.digraph.DiGraph object at ...>, <networkx.classes.digraph.DiGraph object at ...>]
print(ko_numpy.shape)
# 输出：(2,)

两种方法都能确保ko_numpy保持一维数组结构，每个元素都是完整的DiGraph对象，边信息完全保留，与ok_numpy表现一致。

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