R语言：将二分边列表转为仅含from节点的单分稀疏邻接矩阵遇异常

我明白你遇到的痛点——用现成的bipartite.projection处理大数据量时卡得不行，自己手动建稀疏矩阵又只得到了对角线的权重和。别担心，这其实是因为你还没用到稀疏矩阵的核心操作来计算节点间的共现关系，我来一步步帮你搞定：

核心思路回顾 #

二分图投影到from节点集的本质是：两个from节点如果共享同一个to节点，就会在单分图中产生一条边，边的权重是所有共享to节点的权重之和。你之前只填充了对角线，是因为只计算了每个from节点自身的权重总和，没处理节点间的共现情况。

具体实现步骤（基于R的Matrix包） #

假设你的二分边列表是一个包含from、to、weight列的数据框df，按以下步骤操作：

1. 给节点分配整数索引
   稀疏矩阵需要用整数索引来定位行和列，所以先把字符型的节点名转成连续整数：

library(Matrix)

# 提取唯一节点并分配索引
from_nodes <- unique(df$from)
to_nodes <- unique(df$to)

df$from_idx <- match(df$from, from_nodes)
df$to_idx <- match(df$to, to_nodes)

2. 构建二分图的稀疏关联矩阵
   这个矩阵的行对应from节点，列对应to节点，矩阵值是对应边的权重：

# 构建稀疏关联矩阵M
M <- sparseMatrix(
  i = df$from_idx,
  j = df$to_idx,
  x = df$weight,
  dims = c(length(from_nodes), length(to_nodes)),
  dimnames = list(from_nodes, to_nodes)
)

3. 计算单分图的投影矩阵
   关键一步来了：用关联矩阵M乘以它的转置t(M)，得到的结果就是from节点集的单分图邻接矩阵——矩阵中(i,j)位置的值就是from节点i和j共享to节点的权重总和：

# 计算投影矩阵
projection_matrix <- M %*% t(M)

# 如果不需要自环（对角线元素），直接置0
diag(projection_matrix) <- 0

4. （可选）转成边列表格式
   如果需要把稀疏矩阵转回易读的边列表，用summary()提取非零元素即可：

# 提取非零边
projection_edges <- summary(projection_matrix)

# 恢复节点名称，转成数据框
projection_edges_df <- data.frame(
  from = from_nodes[projection_edges$i],
  to = from_nodes[projection_edges$j],
  weight = projection_edges$x
)

为什么这个方法高效？ #

Matrix包的稀疏矩阵乘法是底层优化过的，只会处理非零元素，内存占用远低于全量矩阵操作，完全能应对大数据量的场景。相比bipartite.projection，你还能更灵活地控制每一步（比如要不要保留自环、要不要自定义权重计算逻辑）。

内容的提问来源于stack exchange，提问作者vino88