NetworkX：图的修改与恢复

Question

我有一个多重图，里面有很多节点和边。我随机删除了一些节点，然后计算删除后图的全球效率（GE）。

我想一次性删除一批节点，每次都测试一下全球效率，并生成一个文件，记录删除的节点数量和相应的全球效率，比如：

5% removed GE: 1
10% removed GE: 0.4
15% removed GE: 0.34
...

实际上，我希望在每次删除节点之前，把图恢复到原来的状态。这是因为节点的删除是随机的。所以，当我删除了5%的节点并测试了全球效率后，我希望图恢复，然后再随机删除10%的节点，这可能会包含之前删除的那5%。

我的尝试：

我试着创建一个全局变量来保存我的原始图。

MG = nx.multigraph # load MG with the nodes and edges
global originalgraph 
originalgraph = MG

# conduct removal of 5% using MG
# . . .
# . . .


MG = originalgraph

# conduct removal of 10% using MG
# . . .

结果：

第一次操作很成功，删除了5%的节点。第二次操作似乎没有把多重图恢复到原来的状态。

有没有办法全局保存一个NetworkX图？

Answer 1

把图存储在一个共同的地方，叫做 original_graph，然后使用 deepcopy() 来创建一个原始图的副本，这样就可以在副本上进行进一步的测试，而不会影响到原始图。

original_graph = nx.multigraph # load MG with the nodes and edges
global original_graph # <--- I do not know why you need this unless you are accessing the original_graph from inside a function.
MG = original_graph.deepcopy()

# conduct removal of 5% using MG
# . . .
# . . .


MG = original_graph.deepcopy()

# conduct removal of 10% using MG
# . . .
# . . .

你之前的方法有个问题，就是 MG 和 original_graph 都指向了同一个图对象。所以当你对图进行修改时，实际上是修改了唯一的那个图对象，这样就无法回到未修改的状态，因为只有一个图对象，而多个变量都在指向它。

现在，当你使用 deepcopy() 的时候，你实际上是创建了一个和 original_graph 指向的图对象一模一样的副本，并把这个新创建的对象的引用赋值给 MG，然后你可以在这个副本上进行操作。接着，如果你再执行一次 deepcopy()，就可以再创建一个 original_graph 的副本，并把它的引用存储在 MG 中，这样就可以进行更多的测试，而不会修改 original_graph 的内容。

希望这对你有帮助。