基于无向DataFrame构建的NetworkX图应用Leiden算法及vcount报错解决

你基于pandas边列表构建无向NetworkX图的代码逻辑完全正确，运行Leiden算法报错的核心原因是：你调用的leidenalg库原生仅支持igraph库的图结构作为输入，vcount()是igraph图对象统计顶点数量的内置方法，NetworkX图对象没有该属性，因此抛出AttributeError。

方案1：将NetworkX图转换为igraph格式（原生leidenalg调用，性能最优） #

1. 先安装所需依赖，执行命令：

   pip install pandas networkx leidenalg python-igraph
   

2. 转换图结构并运行算法：
   注意：转换过程中需要完整保留你需要用到的边属性，否则后续加权计算模块度时会出现属性不存在的报错

   import pandas as pd
   import networkx as nx
   import leidenalg as la
   import igraph as ig
   
   # 原有建图代码无需修改
   G = nx.from_pandas_edgelist(df_new, 'Source', 'Target', ['WeightCount', 'weight_cosine'], nx.Graph())
   
   # 提取图的节点、边、边属性用于构建igraph对象
   nodes = list(G.nodes())
   edges = list(G.edges())
   attr_weightcount = [G[u][v]['WeightCount'] for u, v in edges]
   attr_weightcosine = [G[u][v]['weight_cosine'] for u, v in edges]
   
   # 初始化igraph图并挂载数据
   G_ig = ig.Graph()
   G_ig.add_vertices(nodes)
   G_ig.add_edges(edges)
   G_ig.es['WeightCount'] = attr_weightcount
   G_ig.es['weight_cosine'] = attr_weightcosine
   
   # 运行Leiden社区检测，若需使用权重计算模块度，指定weights参数为对应边属性名即可
   partition = la.find_partition(
       G_ig,
       la.ModularityVertexPartition,
       weights='weight_cosine', # 不需要加权计算可删除该行
       seed=42 # 固定随机种子保证结果可复现
   )
   
   # 提取节点-社区ID映射结果
   node_community_map = dict(zip(nodes, partition.membership))
   

方案2：使用封装库直接传入NetworkX图（代码更简洁） #

如果不想手动做图格式转换，可以用封装了Leiden算法的第三方库直接对接NetworkX对象，先执行命令安装依赖：

pip install pandas networkx cdlib

代码示例：

from cdlib import algorithms

# 原有建图代码无需修改
G = nx.from_pandas_edgelist(df_new, 'Source', 'Target', ['WeightCount', 'weight_cosine'], nx.Graph())

# 直接传入NetworkX图运行Leiden算法
communities = algorithms.leiden(G, weights='weight_cosine')

# 提取节点-社区ID映射结果
node_community_map = {}
for comm_id, comm_nodes in enumerate(communities.communities):
    for node in comm_nodes:
        node_community_map[node] = comm_id

• Leiden算法相对Louvain算法新增了社区细化步骤，既可以保证检测出的社区内部连通性，也大幅减少了冗余迭代计算，大规模图上的运行速度优势明显。
• 若需要复现实验结果，务必固定随机种子，避免算法随机初始化节点遍历顺序带来的结果波动。
• 若你的节点ID为字符串类型（比如用户名、IP地址），上述两种方案都可以直接支持，不需要额外做整数ID映射。

内容的提问来源于stack exchange，提问作者Manasa Kota