networkx与igraph之间的接口

Question

我已经使用networkx一段时间了，它在我的项目中表现得很好，几乎不需要调整。最近，我开始研究社区检测。相比之下，igraph这个Python包似乎在社区检测方法上有更多的实现（即使是加上Thomas Aynaud的community包的networkx也不如它）。我在想有没有现成的、经过测试的API，可以方便地把networkx的图转换成igraph的结构，这样我就能利用igraph在这方面的强大功能了？

非常感谢大家的热心回答。

Answer 1

现在这变得简单多了

import igraph
g = igraph.Graph.from_networkx(G)

from_networkx()的文档可以在这里找到，而它的源代码实现可以在这里查看。

Answer 2

除了 GML 和 Pajek，我还用 GraphML 来传输我的图。边列表 也可以用，但它的主要缺点是会丢失节点的标识符。

我使用 R 语言中的 iGraph 导出了我的无向图（在 Python 的 igraph 中也有类似的功能）。

write_graph(igraphNetwork, exportFilePath, format = "graphml")，其中 exportFilePath 比如可以是 "folder/yournetwork.graphml"。

然后通过 Python 的 networkX 导入，并根据节点属性名称重新标记：

import networkx as nx
G = nx.read_graphml(exportFilePath)
G = nx.relabel_nodes(G, nx.get_node_attributes(G, 'name'))

这样我就保留了节点的标识符。

Answer 3

我在尝试在igraph和nx之间存储节点和边的名称时，写了一个简洁的代码，可以在从igraph对象g转到nx时，同时转移节点名称：

G = nx.from_edgelist([(names[x[0]], names[x[1]])
                      for names in [g.vs['name']] # simply a let
                      for x in g.get_edgelist()], nx.DiGraph())

如果你有一个nx对象G，但需要一个igraph对象，可以用反向的方法：

g = igraph.Graph.TupleList(G.edges(), directed=True)

当然，这些转换并不完整，因为其他节点属性和边属性的转换还没有包含，但我希望在你没有这些属性时，这些代码会对你有帮助。

---

如果你想在从igraph转到nx时有更多的控制，可以使用下面这个更详细的版本：

G = nx.DiGraph()
names = g.vs['name']
G.add_nodes_from(names)
G.add_edges_from([(names[x[0]], (names[x[1]])) for x in g.get_edgelist()])

从nx转到igraph的代码：

g = igraph.Graph(directed=True)
g.add_vertices(G.nodes())
g.add_edges(G.edges())

（也可以在这里找到）

Answer 4

这里有两种方法可以把NetworkX图转换成igraph：

import networkx as nx, igraph as ig

# create sample NetworkX graph
g = nx.planted_partition_graph(5, 5, 0.9, 0.1, seed=3)

# convert via edge list
g1 = ig.Graph(len(g), list(zip(*list(zip(*nx.to_edgelist(g)))[:2])))
  # nx.to_edgelist(g) returns [(0, 1, {}), (0, 2, {}), ...], which is turned
  #  into [(0, 1), (0, 2), ...] for igraph

# convert via adjacency matrix
g2 = ig.Graph.Adjacency((nx.to_numpy_matrix(g) > 0).tolist())

assert g1.get_adjacency() == g2.get_adjacency()

在我这台机器上，对于这个有2500个节点的图，使用边列表的速度稍微快一些。（注意，下面的代码只适用于Python 2；我已经把上面的代码更新成可以在Python 2和3中都能用。）

In [5]: g = nx.planted_partition_graph(50, 50, 0.9, 0.1, seed=3)

In [6]: %timeit ig.Graph(len(g), zip(*zip(*nx.to_edgelist(g))[:2]))
1 loops, best of 3: 264 ms per loop

In [7]: %timeit ig.Graph.Adjacency((nx.to_numpy_matrix(g) > 0).tolist())
1 loops, best of 3: 496 ms per loop

对于g = nx.complete_graph(2500)，使用边列表的速度也稍微快一些。

Answer 5

Networkx和python-igraph这两个库都支持很多种读取和写入算法（networkx，python-igraph）。

至少有两种格式（GML和pajek）在这两个库之间是比较常见的，虽然我还没有尝试过。