如何基于百分比随机选择节点分配标签并构建网络数据集

核心思路 #

先在节点层面完成15%标签保留的随机筛选，再将处理后的标签关联到边数据集上，确保同一个节点的所有边对应的标签状态一致（要么保留原标签，要么设为NaN）。

代码实现（基于Pandas） #

假设你已经用pd.read_csv()或其他方式读入了边数据集（命名为edges_df）和标签数据集（命名为labels_df），执行以下步骤：

1. 导入依赖库

import pandas as pd
import numpy as np

2. 随机筛选15%的节点保留标签

# 获取所有唯一节点
unique_nodes = labels_df['Node'].unique()
# 计算需保留的节点数量（取整）
keep_count = int(len(unique_nodes) * 0.15)
# 无放回随机抽样，确保每个节点只被选中一次
kept_nodes = np.random.choice(unique_nodes, size=keep_count, replace=False)

3. 处理标签数据集，生成带保留标记的新标签列

# 标记哪些节点的标签需要保留
labels_df['is_kept'] = labels_df['Node'].isin(kept_nodes)
# 生成新标签：保留节点用原Label，其余设为NaN
labels_df['processed_label'] = np.where(labels_df['is_kept'], labels_df['Label'], np.nan)

4. 关联边数据集与处理后的标签，生成最终结果

# 按First节点关联标签
result_df = edges_df.merge(
    labels_df[['Node', 'processed_label']],
    left_on='First',
    right_on='Node',
    how='left'
)
# 整理列名并删除冗余列
result_df = result_df.rename(columns={'processed_label': 'Label'}).drop('Node', axis=1)

关键说明 #

• 必须先在节点维度做抽样，再关联到边数据：如果直接对边行做筛选，会导致同一个节点的不同边出现标签状态不一致的问题（比如某节点的一条边保留标签，另一条边设为NaN）。
• replace=False确保无放回抽样，避免重复选中同一节点，保证15%比例的准确性。
• 最终结果中，Label列对应每条边的First节点标签，符合你给出的示例格式。

内容的提问来源于stack exchange，提问作者Math