如何为NetworkX中所有节点添加特性并为邻居分配0-1状态值

有两种常用的实现方式，可根据需求选择：

• 逐个节点赋值：遍历所有节点，直接为节点添加自定义属性，适合属性值无统一规则的场景

  import networkx as nx
  import numpy as np
  
  G = nx.barabasi_albert_graph(100, 2)
  
  # 为每个节点添加随机生成的0-1特征值
  for node in G.nodes():
      G.nodes[node]['custom_feature'] = np.random.rand()
  
  # 查看节点5的特征值
  print(G.nodes[5]['custom_feature'])
  

• 批量属性赋值：使用nx.set_node_attributes()函数批量设置，适合属性值遵循统一规则的场景

  # 为所有节点添加默认值为0的基础属性
  nx.set_node_attributes(G, default=0, name='base_feature')
  
  # 基于节点度批量生成属性
  degree_based_feature = {node: G.degree(node) for node in G.nodes()}
  nx.set_node_attributes(G, degree_based_feature, name='degree_feature')
  

我们可以给每个节点添加一个数组格式的属性，存储邻居节点与对应状态值的配对数据，方便后续调用和数值计算：

实现代码 #

import networkx as nx
import numpy as np

G = nx.barabasi_albert_graph(100, 2)

for node in G.nodes():
    neighbors = list(nx.neighbors(G, node))
    # 为每个邻居生成0-1之间的随机状态值
    states = np.random.rand(len(neighbors))
    # 将邻居节点与状态值组合为二维numpy数组（第一列是节点ID，第二列是状态值）
    neighbor_state_data = np.column_stack((neighbors, states))
    # 将数组存入节点属性
    G.nodes[node]['neighbor_states'] = neighbor_state_data

# 模拟需求中的手动指定场景：设置节点5的邻居及对应状态
if 5 in G.nodes():
    G.nodes[5]['neighbor_states'] = np.array([[1, 0.1], [2, 0.4], [3, 0.6], [4, 0.8]])
    print("节点5的邻居及状态：")
    print(G.nodes[5]['neighbor_states'])

后续计算示例 #

基于存储的numpy数组，可直接进行数值运算：

# 计算节点5的邻居状态均值
node5_states = G.nodes[5]['neighbor_states'][:, 1]
print("节点5的邻居状态均值：", np.mean(node5_states))

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