基于NetworkX计算网络节点同类型邻居占比F1及均值F2的方法

完整实现代码 #

1. 预操作：给图节点补充属性 #

你之前的代码仅导入了边结构，没有关联节点的P属性，第一步先补全这部分，假设你的节点属性存储在node_df（含N、P两列）中：

import pandas as pd
import networkx as nx
from fractions import Fraction # 如需输出分数格式可导入该库

# 节点属性转字典
node_attr = node_df.set_index('N')['P'].to_dict()
# 给图节点绑定P属性
nx.set_node_attributes(G, node_attr, name='P')

2. 计算F1值（同属性邻居占比） #

f1_dict = {}
for node in G.nodes:
    # 取当前节点自身的P属性
    self_p = G.nodes[node]['P']
    # 取所有邻居
    neighbors = list(G.neighbors(node))
    total_neighbor = len(neighbors)
    if total_neighbor == 0:
        f1_dict[node] = 0
        continue
    # 统计同属性邻居数量
    same_p_count = sum(1 for n in neighbors if G.nodes[n]['P'] == self_p)
    # 计算占比，要小数直接改 same_p_count / total_neighbor
    f1_dict[node] = Fraction(same_p_count, total_neighbor)

# 转DataFrame输出
f1_df = pd.DataFrame(f1_dict.items(), columns=['N', 'F1'])
print(f1_df)

3. 计算F2值（P=A邻居的F1均值） #

f2_dict = {}
for node in G.nodes:
    # 筛选所有P=A的邻居
    a_neighbors = [n for n in G.neighbors(node) if G.nodes[n]['P'] == 'A']
    if not a_neighbors:
        f2_dict[node] = None
        continue
    a_f1_list = [f1_dict[n] for n in a_neighbors]
    # 求均值，要保留所有F1值直接赋值 a_f1_list 即可，匹配示例中节点3的输出形式
    f2_dict[node] = sum(a_f1_list) / len(a_f1_list)

# 转DataFrame输出
f2_df = pd.DataFrame(f2_dict.items(), columns=['N', 'F2'])
print(f2_df)

内容的提问来源于stack exchange，提问作者Math