为何NetworkX生成的最大/最小生成树完全相同？

嘿，我之前也碰到过类似的情况，咱们一步步来排查问题：

• 所有边的权重完全相同
  这是最常见的原因。如果你的pearson_net里每条边的权重数值都一样，那不管是找最大还是最小生成树，算法随便挑一棵生成树就行，结果自然完全重合。
  你可以跑这段代码验证一下：

  # 提取所有边的权重值
  weights = [d['weight'] for u, v, d in pearson_net.edges(data=True)]
  # 检查是否所有权重都相同
  print(all(w == weights[0] for w in weights))
  

• 原始图本身就是一棵生成树
  如果你的pearson_net本身已经是没有环的树结构，那它的生成树只能是自己，不管最大还是最小生成树，结果肯定一模一样。你可以用nx.is_tree(pearson_net)来验证这个猜想。

• 权重的键名不匹配
  NetworkX的maximum_spanning_tree和minimum_spanning_tree默认会读取边属性里的'weight'键。如果你的皮尔逊相关系数存在其他键（比如'pearson'），那函数会默认把所有边的权重当成1，相当于所有边权重相同，最终生成树自然一致。
  解决办法是调用函数时指定正确的权重键，比如：

  a = nx.maximum_spanning_tree(pearson_net, weight='pearson')
  b = nx.minimum_spanning_tree(pearson_net, weight='pearson')
  

• 权重是无差异的单一变换值
  比如所有权重都是同一个数的等比例倍数，或者全是正数但没有大小差异，也会导致生成树一致。这种情况还是回到第一个原因的排查方法就行。

你可以先从这几个方向排查，应该能找到问题所在～

内容的提问来源于stack exchange，提问作者taylor