如何构建满足n个共同所有者条件的NFT关联图？

核心思路 #

每个NFT作为图的节点，当两个NFT的共同所有者数量≥设定阈值n时，在两者间创建一条边。核心逻辑是计算NFT对的共同所有者交集大小，再根据阈值筛选建立关联。

具体实现步骤（以Python为例） #

1. 数据结构化处理 #

先将NFT及其所有者数据整理为字典，所有者用集合存储（集合求交集的效率远高于列表）：

nft_data = {
    "nft1": {'a', 'b', 'c', 'd', 'e'},
    "nft2": {'g', 'h', 'e', 's', 'a', 'b', 'd'},
    "nft3": {'g', 'h', 's', 'c'}
}
threshold_n = 3

2. 计算符合条件的关联边 #

遍历所有不重复的NFT对，计算共同所有者数量，达到阈值则记录边（可附带共同所有者数量作为边属性）：

edges = []
nft_list = list(nft_data.keys())

# 避免重复计算（只处理i<j的NFT对）
for i in range(len(nft_list)):
    nft_a = nft_list[i]
    owners_a = nft_data[nft_a]
    for j in range(i + 1, len(nft_list)):
        nft_b = nft_list[j]
        owners_b = nft_data[nft_b]
        # 计算共同所有者数量
        common_count = len(owners_a & owners_b)
        if common_count >= threshold_n:
            edges.append((nft_a, nft_b, {"common_owners": common_count}))

3. 构建图并可视化 #

使用networkx库构建图结构，可结合matplotlib做静态可视化，或pyvis做交互式可视化：

静态可视化（matplotlib）

import networkx as nx
import matplotlib.pyplot as plt

# 初始化图
G = nx.Graph()
G.add_nodes_from(nft_list)
G.add_edges_from(edges)

# 绘图设置
pos = nx.spring_layout(G)
nx.draw(G, pos, with_labels=True, node_size=3000, font_size=12, node_color="#42b983")
# 添加边标签（显示共同所有者数量）
edge_labels = nx.get_edge_attributes(G, 'common_owners')
nx.draw_networkx_edge_labels(G, pos, edge_labels=edge_labels, font_size=10)

plt.show()

交互式可视化（pyvis，适合大量NFT场景）

from pyvis.network import Network

net = Network(notebook=True, height="600px", width="100%")
net.from_nx(G)
net.show("nft_owner_graph.html")

优化建议 #

• 当NFT数量较多时，两两遍历的时间复杂度为O(N²)，可通过反向映射优化：先建立「所有者→拥有的NFT列表」的映射，再统计每个NFT对被共同所有者关联的次数，减少重复计算。
• 数据量极大（上万级NFT）时，可采用分布式计算框架（如Spark）处理交集计算，提升效率。

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