图操作（并、交、差、和）理解与代码问题求助

问题描述 #

我在理解和可视化图操作（union、intersection、difference、addition）时遇到了问题。尝试用np.union1d实现图的并集操作，并用reshape将输出的一维数组转为二维数组，代码能运行但结果不符合预期，希望有人解释问题并修正代码。

原代码如下：

import networkx as nx
import numpy as np
import matplotlib.pyplot as plt

G = nx.Graph()
plt.figure(figsize =(1, 5))
G.add_edges_from([(1, 2), (2, 3), (2, 3), (2, 4), (2, 5), (3, 4),
                        (4, 5), (4, 6), (5, 7), (5, 8)])

# First Graph created
plt.subplot(311)
nx.draw_networkx(G)

H = nx.Graph()
H.add_edges_from([(5, 7), (7,5), (7, 4),
                (1, 2), (7, 8), (9, 10)])

# Second Graph created
plt.subplot(312)
nx.draw_networkx(H)
ee = np.union1d(G,H)

ee = np.reshape(G, (-1, 2))

# Third Graph Created
I = nx.Graph()
I.add_edges_from(ee)
plt.subplot(313)
nx.draw_networkx(I)

plt.show()

问题分析 #

• 直接把NetworkX的Graph对象传给np.union1d是错误的：np.union1d仅处理一维数组，无法识别Graph对象的边数据，不能直接对图对象执行数组操作。
• np.reshape(G, (-1, 2))逻辑错误：Graph对象不是数组结构，无法直接做reshape转换，这行代码完全偏离了提取边的需求。
• 额外说明：NetworkX的Graph会自动去重边，所以添加重复边（比如(2,3)、(7,5)）不会改变最终的图结构。

修正方案 #

要实现图的并集，有两种简单可靠的方式：

方式1：使用NetworkX内置的union函数 #

NetworkX本身提供了nx.union()函数，可直接合并两个图，自动处理节点和边的并集：

import networkx as nx
import matplotlib.pyplot as plt

G = nx.Graph()
plt.figure(figsize=(8, 12))
G.add_edges_from([(1, 2), (2, 3), (2, 4), (2, 5), (3, 4),
                  (4, 5), (4, 6), (5, 7), (5, 8)])

plt.subplot(311)
nx.draw_networkx(G, with_labels=True)
plt.title("图G")

H = nx.Graph()
H.add_edges_from([(5, 7), (7, 4), (1, 2), (7, 8), (9, 10)])

plt.subplot(312)
nx.draw_networkx(H, with_labels=True)
plt.title("图H")

# 直接用内置函数合并两个图
I = nx.union(G, H)

plt.subplot(313)
nx.draw_networkx(I, with_labels=True)
plt.title("G和H的并集")

plt.tight_layout()
plt.show()

方式2：提取边后用numpy处理（若坚持用numpy） #

如果一定要用numpy实现边的并集，需先将两个图的边转换为数组，再做去重合并：

import networkx as nx
import numpy as np
import matplotlib.pyplot as plt

G = nx.Graph()
plt.figure(figsize=(8, 12))
G.add_edges_from([(1, 2), (2, 3), (2, 4), (2, 5), (3, 4),
                  (4, 5), (4, 6), (5, 7), (5, 8)])

plt.subplot(311)
nx.draw_networkx(G, with_labels=True)
plt.title("图G")

H = nx.Graph()
H.add_edges_from([(5, 7), (7, 4), (1, 2), (7, 8), (9, 10)])

plt.subplot(312)
nx.draw_networkx(H, with_labels=True)
plt.title("图H")

# 提取边并转为numpy数组
edges_G = np.array(list(G.edges()))
edges_H = np.array(list(H.edges()))

# 图的边是无序的，先对每条边排序，再合并去重
sorted_G = np.sort(edges_G, axis=1)
sorted_H = np.sort(edges_H, axis=1)
combined_edges = np.concatenate([sorted_G, sorted_H])
unique_edges = np.unique(combined_edges, axis=0)

# 创建新图并添加处理后的边
I = nx.Graph()
I.add_edges_from(unique_edges)

plt.subplot(313)
nx.draw_networkx(I, with_labels=True)
plt.title("G和H的并集（numpy实现）")

plt.tight_layout()
plt.show()

额外说明 #

• 对于图的交集（intersection）、差集（difference）操作，NetworkX同样提供了nx.intersection()、nx.difference()等内置函数，直接传入两个Graph对象即可，比手动用numpy处理更简洁可靠。
• 若用numpy处理边，必须注意图的边是无序的，需先对每条边的节点排序，避免把(a,b)和(b,a)当成不同的边。

内容的提问来源于stack exchange，提问作者Dudu Mimi13