Python+pandas从CSV构建定理依赖图时列dtype不匹配导致边缺失问题

• 完全正确，两列字段的数据类型不一致就是导致边大量缺失的直接原因。NetworkX对节点的判定遵循Python原生的对象相等规则：只要两个节点对象的类型不同，哪怕字符串/浮点的数值语义完全一致，也会被判定为两个独立的节点。比如浮点型2.05和字符串型'2.05'在NetworkX的节点集合里是完全分开的个体，自然没法正确匹配对应边。

• 处理这类带分段格式的定理编号（形如1.6、2.05的章节式标识），统一使用字符串类型是最稳妥的方案。
  这类编号本质是层级标识，不是数学意义上的小数，用数值类型反而会衍生更多问题：比如编号1.10转成浮点数会被解析为1.1，和同层级的1.1编号产生逻辑混淆；同时pandas读取时自动转浮点的行为，会直接造成同值不同类型的节点分裂问题。

1. 读取CSV时强制指定字段dtype，从源头避免pandas自动做类型推断把pmnum列转成float64。
2. 拆分pmproof列、执行explode操作后，统一做字符串清洗：去掉多余空格、剔除空值和无效空字符串，避免因为格式差异导致的节点匹配失败。
3. 生成图结构时，明确指定为有向图，按照引用逻辑设置源点（被引用的前置定理）和目标点（引用前置定理的后继定理），不要用默认的无向图。

（已去除原代码中重复读取CSV的冗余逻辑，从源头统一字段类型）

import pandas as pd
import networkx as nx
import matplotlib.pyplot as plt

# 读取数据时强制将两列指定为字符串类型，关闭自动类型推断
PM = pd.read_csv(
    'PM.csv',
    sep=',',
    dtype={
        'pmnum': str,
        'pmproof': str
    }
)

# 拆分引用字段，展开为逐行的边记录
PM['pmproof'] = PM['pmproof'].str.split(', ')
PM = PM.explode('pmproof')

# 数据清洗：剔除空值，去除字符串两端多余空格
PM = PM.dropna(subset=['pmnum', 'pmproof'])
PM['pmnum'] = PM['pmnum'].str.strip()
PM['pmproof'] = PM['pmproof'].str.strip()
PM = PM[PM['pmproof'] != '']

# 构建有向依赖图：边的方向从被引用的前置定理指向引用它的后继定理
G = nx.from_pandas_edgelist(
    PM,
    source='pmproof',
    target='pmnum',
    create_using=nx.DiGraph
)

# 绘制网络图
nx.draw(G, with_labels=True, node_size=50, font_size=8)
plt.show()

• 不要使用float64作为定理编号的存储类型：这类章节式编号不存在数值运算需求，用数值存储反而会引入精度丢失、格式偏移的问题。
• 字符串清洗是必要步骤：拆分后的引用字段往往会带有分割时残留的前后空格，比如' 1.6'和'1.6'会被识别为两个不同节点，造成不必要的边缺失。
• 如果要实现类桑基路网的层次拓扑效果，不要使用NetworkX默认的弹簧布局，后续可以切换为层次化布局（如dot布局）做节点位置排列，减少交叉线，提升可读性。

内容的提问来源于stack exchange，提问作者Landon D. C. Elkind