在networkx中，如何以矢量化的方式更新边缘权重？

Question

我必须定义一个网络，每个边的权重必须等于每对节点之间的连接数。下面的代码生成这样的网络：

In [1]: import networkx as nx 

In [2]: g = nx.Graph() 

In [3]: connections = [[1,2],[2,3],[1,2],[2,1],[1,4],[2,3]] 

In [4]: for e1,e2 in connections : 
    if g.has_edge(e1,e2) : 
     g[e1][e2]['weight'] += 1 
    else : 
     g.add_edge(e1,e2,weight=1) 
    ...:   

In [5]: g.edges(data=True) 
Out[5]: [(1, 2, {'weight': 3}), (1, 4, {'weight': 1}), (2, 3, {'weight': 2})] 

在实际情况中，连接列表将包含数千对。成千上万个这样的列表将被生成，并且它们中的每一个都必须立即包含在网络中并被删除，因为没有内存可以将所有列表存储在一起。

由于Python是一种解释型语言，我不能使用“for”命令，因为它需要永远运行。也许“向量化”不是正确的工作，我的意思是类似于我们对numpy数组所做的事情，其中​​有对一次操作所有元素的命令，而不是使用命令“for”在每个元素中操作。

Answer 1

尝试使用multiprocessing库的Pool类的map或imap方法。

https://docs.python.org/2/library/multiprocessing.html

然后，您可以创建，检查，并增加了边缘的功能，让imap执行你的功能并行每个元素。

检查这个链接的底部例如：

https://docs.python.org/2/library/multiprocessing.html#module-multiprocessing.pool

Answer 2

恐怕你需要一个在任何情况下循环，但它并不慢。 Networkx实际上很慢，因为它存储节点和边缘的方式（如字典）。如果您想使用numpy将函数应用于某些属性，建议您尝试使用graph-tool。

至于手头的问题，我想我有一个更好的办法：

import networkx as nx 
import numpy as np 
from collections import Counter 

# This will yield weighted edges on the fly, no storage cost occurring 
def gen_edges(counter): 
    for k, v in counter.iteritems(): # change to counter.items() for Py3k+ 
     yield k[0], k[1], v 

g = nx.Graph() 
# Your edge list needs to be in the form of tuples 
# this map loop doesn't count 
connections = map(tuple, [[1,2],[2,3],[1,2],[2,1],[1,4],[2,3]]) 

# Create histogram of pairs using native Python collections 
c = Counter(connections) 
# Add weighted edges 
g.add_weighted_edges_from(gen_edges(c)) 

print nx.info(g) 
print g.edges(data=True) 

输出：你不能使用numpy.unique算边缘的直方图

Name: 
Type: Graph 
Number of nodes: 4 
Number of edges: 3 
Average degree: 1.5000 

[(1, 2, {'weight': 1}), (1, 4, {'weight': 1}), (2, 3, {'weight': 2})] 

注意，因为它展平阵列。