NetworkX中基于加权邻接矩阵的节点强度计算问题

嗨，刚接触NetworkX很容易踩这个坑——默认的degree()方法确实只统计边的数量（节点的度），不会自动求和边的权重。别担心，咱们一步步来搞定你的需求：

一、计算节点强度（相邻边权重之和） #

NetworkX其实内置了直接计算节点强度的方式，核心就是给degree()方法加上weight参数，让它从“计数边的数量”切换到“求和边的权重”。

具体步骤示例： #

假设你的邻接矩阵是二维列表或numpy数组，先看完整的代码流程：

import networkx as nx
import numpy as np

# 示例邻接矩阵（非零值为边的小数权重）
adj_matrix = np.array([
    [0, 0.5, 0.3],
    [0.5, 0, 0.7],
    [0.3, 0.7, 0]
])

# 从邻接矩阵创建带权重的无向图
G = nx.from_numpy_array(adj_matrix, create_using=nx.Graph())
# 注意：默认情况下，边的权重字段名为'weight'，如果你的矩阵有自定义权重字段可以调整

现在计算每个节点的强度：

# 方法1：用NetworkX内置方法（最简便）
node_strength = dict(nx.degree(G, weight='weight'))
print("节点强度：", node_strength)
# 输出示例：{0: 0.8, 1: 1.2, 2: 1.0}，对应每个节点的相邻边权重总和

# 方法2：手动遍历计算（适合理解原理）
node_strength_manual = {}
for node in G.nodes():
    total_weight = sum(data['weight'] for _, _, data in G.edges(node, data=True))
    node_strength_manual[node] = total_weight
print("手动计算的节点强度：", node_strength_manual)

二、获取边的权重分布 #

权重分布就是所有边的权重集合，你可以收集这些值后做统计分析或可视化：

代码示例： #

# 收集所有边的权重值
edge_weights = [data['weight'] for _, _, data in G.edges(data=True)]
print("所有边的权重：", edge_weights)

# 可视化权重分布（比如画直方图）
import matplotlib.pyplot as plt

plt.hist(edge_weights, bins=5, edgecolor='black')
plt.title("边权重分布直方图")
plt.xlabel("权重值")
plt.ylabel("对应权重的边数量")
plt.show()

为什么你之前得到的是节点的度？ #

因为nx.degree(G)默认只统计每个节点连接的边的数量，不会读取边的权重值。必须显式指定weight='weight'（如果你的边权重字段不是默认的'weight'，要改成对应的字段名），这样NetworkX才会把每条边的权重加起来，得到你需要的节点强度。

如果你的邻接矩阵是通过其他方式创建的（比如pandas数据框），只要构建图时正确传递了权重参数，原理都是一样的。

内容的提问来源于stack exchange，提问作者user30