NetworkX转换图为NumPy矩阵报错及节点属性矩阵生成问题

我来帮你搞定这个问题！你遇到的TypeError: unhashable type: 'slice'是因为**G.node（新版NetworkX中已更新为G.nodes）并不是支持切片操作的序列**，它本质是一个类字典的NodeView对象，直接用[:]会被当作字典键来处理，而切片对象不能被哈希，所以报错了。

下面是两种可靠的方法，帮你提取节点的50维向量并生成形状为(40,50)的NumPy矩阵：

方法一：直接提取你当前设置的节点值 #

你的代码里直接把节点的属性字典替换成了NumPy数组（虽然这种方式不推荐，因为会破坏NetworkX节点属性的默认字典结构），可以通过遍历节点顺序来收集向量：

import numpy as np
import networkx as nx

# 构建图（balanced_tree(3,3)正好有40个节点：1+3+9+27=40）
G = nx.balanced_tree(3,3)

# 按你的方式设置节点向量（注意新版NetworkX用G.nodes[v]替代G.node[v]）
for v in G.nodes():
    G.nodes[v] = np.random.random(50)

# 按节点顺序收集向量，转成NumPy矩阵
node_vectors = [G.nodes[v] for v in G.nodes()]
feature_matrix = np.array(node_vectors)

print(feature_matrix.shape)  # 输出：(40, 50)

方法二：规范的节点属性存储（推荐） #

更符合NetworkX最佳实践的方式是用属性键来存储向量（比如'feature'），这样不会覆盖节点的默认属性字典，后续扩展也更灵活：

import numpy as np
import networkx as nx

G = nx.balanced_tree(3,3)
# 用指定键存储50维向量
for v in G.nodes():
    G.nodes[v]['feature'] = np.random.random(50)

# 提取指定属性的向量
node_vectors = [G.nodes[v]['feature'] for v in G.nodes()]
feature_matrix = np.array(node_vectors)

print(feature_matrix.shape)  # 输出：(40, 50)

额外说明 #

• G.nodes()默认会按节点的插入顺序（这里是0到39的整数升序）返回节点，所以收集的向量顺序和节点顺序一致；如果你的节点是其他类型（比如字符串），可以用sorted(G.nodes())来确保顺序稳定。
• 避免直接替换G.nodes[v]的值，因为NetworkX的节点属性原本是字典结构，替换成数组后会丢失添加其他属性的能力，用键值对存储属性是更合理的选择。

内容的提问来源于stack exchange，提问作者eric lardon