nx.set_node_attributes无法添加节点属性，如何正确为图节点添加属性？

错误点1：节点属性字典结构错误 #

你处理nodes DataFrame的方式生成的字典不符合NetworkX的要求：

nodes = nodes.set_index('node').T.to_dict('index')

这行代码会把原DataFrame的属性列作为键，每个键对应一个{节点: 属性值}的子字典（比如原nodes有attr1和attr2两列时，结构为{'attr1': {'1': 'a', '2': 'b', ...}, 'attr2': {'1': 10, '2': 20, ...}}）。而nx.set_node_attributes传入第三个参数时，会把整个nodes字典作为每个节点的对应属性值，这显然不是你想要的结果。

错误点2：获取属性的方法错误 #

nx.get_node_attributes的第二个参数是属性名，不是节点ID。你调用nx.get_node_attributes(X, '1')是在查找名为'1'的属性，自然返回空字典。

正确实现代码 #

假设你的N数据结构包含node列和两个属性列（比如attr1、attr2），按以下步骤修改：

1. 正确转换节点属性字典

import pandas as pd
import networkx as nx

# 示例N结构
N = [
    {'node': '1', 'attr1': 'a', 'attr2': 10},
    {'node': '2', 'attr1': 'b', 'attr2': 20},
    {'node': '5', 'attr1': 'c', 'attr2': 30},
    {'node': 'D', 'attr1': 'd', 'attr2': 40},
    {'node': 'Z', 'attr1': 'e', 'attr2': 50},
    {'node': '03', 'attr1': 'f', 'attr2': 60}
]

nodes = pd.DataFrame(data=N)
# 转换为{节点: {属性1: 值1, 属性2: 值2}}的结构
node_attrs = nodes.set_index('node').to_dict('index')

E = {'from': ['1','2', '1','5','D','D','D','03','1'],
     'to': ['2','1','5','D','1','1','Z','Z','2'],
     'counts':[22,20,13,15,19,21,20,27,15]}
edges = pd.DataFrame(data=E)

# 创建图并添加边属性
X = nx.from_pandas_edgelist(edges, source='from', target='to', edge_attr='counts')
# 批量添加节点属性
nx.set_node_attributes(X, node_attrs)

2. 正确获取属性

• 获取单个节点的属性：

# 获取节点'1'的attr1属性
print(X.nodes['1']['attr1'])  # 输出: 'a'
# 获取节点'1'的所有属性
print(X.nodes['1'])  # 输出: {'attr1': 'a', 'attr2': 10}

• 获取所有节点的某个属性：

# 获取所有节点的attr1属性
attr1_dict = nx.get_node_attributes(X, 'attr1')
print(attr1_dict['1'])  # 输出: 'a'

若只需添加单个属性 #

如果你的nodes DataFrame只有node和一个属性列（比如mode），可以这样处理：

# 转换为{节点: mode值}的结构
mode_attrs = nodes.set_index('node')['mode'].to_dict()
# 添加单个属性'mode'
nx.set_node_attributes(X, mode_attrs, 'mode')

# 获取节点'1'的mode属性
print(X.nodes['1']['mode'])
# 获取所有节点的mode属性
nx.get_node_attributes(X, 'mode')

内容的提问来源于stack exchange，提问作者Dizzy