我最近一直在用Python处理图形采样。我的工作示例如下:
for enx, wlen in enumerate(wlen_dist):
for j in range(wlen):
node_container = queue.Queue(maxsize=200000000)
node_container.put(node_name)
tmp_walk = [] # [node_name]
while not node_container.empty():
nod = node_container.get()
neighs = list(network.neighbors(nod))
tar = random.choice(neighs)
node_container.put(tar)
if len(tmp_walk) > enx+1:
break
tmp_walk.append(tar)
some_container.append(tmp_walk)
其中wlen是长度为enx的路径的样本数,我只是将行走保存到某个容器(这里并不重要)。例如,wlen_dist:
[1000,500,100]
在这里,得到了1000个样本,长度为2,500个长度为3,100个长度为4。networkx是networkx图形。 我想知道,如何加速这样的代码(我是新的这一部分)。你知道吗
我的想法:
使用Numba并将单独的行走包装到一个方法中
以某种方式使用Cython
我会很高兴有任何想法和反馈,谢谢!你知道吗
图嵌入中经常使用的一个想法是重用随机游动的一部分:
如果您有一个随机游走访问节点
a_1, a_2, a_3
,您可以将其视为一个长度为3的随机游走和两个长度为2的随机游走(a_1, a_2
和a_2, a_3
)。你知道吗这可以推广到更长的行走,因此长度为4的随机行走包含2个长度为3的随机行走和3个长度为2的随机行走。你知道吗
相关问题 更多 >
编程相关推荐