使用NetworkX与Python提取仅含2个节点的孤立子图

一、提取仅含2个节点的孤立子图 #

这类子图本质是大小为2的连通分量，且两个节点仅通过单条边连接（每个节点的度为1）。具体实现步骤如下：

1. 构建图结构 #

先基于你的数据表构建NetworkX无向图：

import networkx as nx
import pandas as pd

# 读取数据表（替换为你的实际文件路径）
df = pd.read_csv('your_data.csv')
# 从DataFrame生成无向图，保留distance边属性
G = nx.from_pandas_edgelist(df, source='Name1', target='Name2', edge_attr='distance')

2. 筛选目标子图 #

通过连通分量筛选出符合条件的子图：

# 获取图中所有连通分量
all_components = list(nx.connected_components(G))

# 筛选出仅含2个节点的分量
two_node_components = [comp for comp in all_components if len(comp) == 2]

# 可选：额外验证每个节点的度为1（确保是单条边连接的孤立对，排除多重边场景）
two_node_components = [comp for comp in two_node_components if all(G.degree(node) == 1 for node in comp)]

3. 输出结果 #

将结果转换为边列表格式方便查看：

# 转换为元组形式的边列表
two_node_pairs = [tuple(comp) for comp in two_node_components]
print("仅含2个节点的孤立子图对：")
for pair in two_node_pairs:
    print(pair)

二、生成簇列表 #

这里的“簇”对应图中的连通分量——即图中互相连通的节点集合，不同簇之间没有边连接。直接获取所有连通分量即可：

# 获取所有簇（连通分量）
clusters = list(nx.connected_components(G))

# 可选：按簇的大小从大到小排序
sorted_clusters = sorted(clusters, key=lambda x: len(x), reverse=True)

print("所有簇列表：")
for idx, cluster in enumerate(sorted_clusters, 1):
    print(f"簇{idx}: {cluster}")

说明 #

从你提供的示例数据和图来看，示例图中存在一个以BBB为中心的大簇，以及若干两两相连的孤立小簇，上述代码可准确提取这些孤立对，并输出所有簇的集合。

内容的提问来源于stack exchange，提问作者LascieL