NetworkX添加向量权重边报错，需生成(3,3,5)张量求解决方案

问题原因 #

NetworkX的nx.to_numpy_array()默认仅支持标量权重，当边权重为numpy向量时，该函数无法自动将结果扩展为3维张量，因此会抛出形状不匹配的错误。要得到(节点数, 节点数, 向量维度)的3维张量，需要手动构建数组。

解决方案：手动构建高维张量 #

通过遍历图的边，将每个边的向量权重填充到预初始化的3维数组对应位置即可实现需求，具体代码如下：

import numpy as np
import networkx as nx

Graph = nx.DiGraph()

# 添加带5维向量权重的边
Graph.add_edge("Alpha", "Beta", weight=np.array([0.5, 0.3, 0.2, 0.3, 0.5]))
Graph.add_edge("Beta", "Alpha", weight=np.array([0.5, 0.3, 0.2, 0.3, 0.5]))
Graph.add_edge("Alpha", "Omega", weight=np.array([0.5, 0.3, 0.2, 0.3, 0.5]))

# 获取排序后的节点列表与节点数量
nodes = list(Graph.nodes())
n_nodes = len(nodes)
# 获取权重向量的维度（以第一条边的权重为例）
vec_dim = Graph.edges[("Alpha", "Beta")]["weight"].shape[0]

# 初始化形状为(n_nodes, n_nodes, vec_dim)的全零张量
adj_tensor = np.zeros((n_nodes, n_nodes, vec_dim))

# 建立节点到索引的映射，提升遍历效率
node_idx_map = {node: idx for idx, node in enumerate(nodes)}

# 遍历所有边，填充权重向量到对应位置
for u, v, edge_data in Graph.edges(data=True):
    u_idx = node_idx_map[u]
    v_idx = node_idx_map[v]
    adj_tensor[u_idx, v_idx] = edge_data["weight"]

print(adj_tensor.shape)  # 输出：(3, 3, 5)

关键说明 #

• 预初始化全零张量：确保所有非边的位置默认填充为0向量，符合邻接矩阵的定义。
• 节点索引映射：使用字典替代list.index()方法，在节点数量较多时能显著提升遍历效率。
• 兼容任意向量维度：代码中自动获取权重向量的维度，无需手动修改，适配不同长度的向量权重场景。

内容的提问来源于stack exchange，提问作者Bertrand