如何在sklearn的pairwise_distances中传递NetworkX图G给自定义metric？

这个问题在使用NetworkX结合sklearn的距离计算时很常见——因为节点通常是数字ID，必须依赖整个图对象才能获取节点属性或计算路径。pairwise_distances要求自定义度量函数只接收两个参数（x和y），所以我们需要通过参数绑定的方式把图G传递进去，下面是两种实用的方案：

方案1：使用闭包（Closure） #

在network_analysis函数内部定义一个包装函数，这个函数只接收x和y，然后在内部调用你的my_metric并传入G：

import networkx as nx
from sklearn.metrics.pairwise import pairwise_distances

def my_metric(x, y, G):
    return nx.shortest_path_length(G, x, y) * (G.nodes[x]['weight'] - G.nodes[y]['weight'])

def network_analysis(G):
    # 定义闭包，自动捕获外部的G
    def wrapped_metric(x, y):
        return my_metric(x, y, G)
    
    # 现在可以直接把wrapped_metric传给pairwise_distances
    distances = pairwise_distances(list(G.nodes), list(G.nodes), metric=wrapped_metric)
    # 其他代码
    return distances

方案2：使用functools.partial绑定参数 #

如果不想写内部函数，可以用functools.partial来预先把G绑定到my_metric上，生成一个符合要求的新函数：

import networkx as nx
from sklearn.metrics.pairwise import pairwise_distances
from functools import partial

def my_metric(x, y, G):
    return nx.shortest_path_length(G, x, y) * (G.nodes[x]['weight'] - G.nodes[y]['weight'])

def network_analysis(G):
    # 绑定G参数，生成只需要x和y的新函数
    metric_with_G = partial(my_metric, G=G)
    
    distances = pairwise_distances(list(G.nodes), list(G.nodes), metric=metric_with_G)
    # 其他代码
    return distances

额外说明 #

• 我把nx.shortest_path改成了nx.shortest_path_length，因为shortest_path返回的是路径列表，直接相乘会报错——如果你的实际需求是路径长度的话，这个修正很重要；如果确实需要基于路径本身做计算，记得调整逻辑。
• 调用pairwise_distances时，最好把G.nodes转换成列表（list(G.nodes)），避免一些迭代器兼容问题。

内容的提问来源于stack exchange，提问作者Reza