Pypark图的真子图

Question

graphframes是基于PySpark数据帧的网络分析工具。以下代码是教程子图示例的修改版本：

from graphframes.examples import Graphs
import graphframes
g = Graphs(sqlContext).friends()  # Get example graph
# Select subgraph of users older than 30
v2 = g.vertices.filter("age > 30")
g2 = graphframes.GraphFrame(v2, g.edges)

与原始图g2相比，新的图g2将包含更少的节点和更少的边。 然而，情况并非如此：

^{pr2}$

给出输出：

(6, 7)
(7, 4)

很明显，结果图包含不存在节点的边。 更令人不安的是g.degrees和{}是相同的。这意味着至少有些图形功能会忽略节点信息。有没有一个好方法可以确保GraphFrame创建 只使用提供的nodes和edges参数的交集的图？在

Answer 1

我用来给一个graphframe子图的方法是使用motif：

motifs = g.find("(a)-[e]->(b)").filter(<conditions for a,b or e>)
new_vertices = sqlContext.createDataFrame(motifs.map(lambda row: row.a).union(motifs.map(lambda row: row.b)).distinct())
new_edges = sqlContext.createDataFrame(motifs.map(lambda row:row.e).distinct())
new_graph = GraphFrame(new_vertices,new_edges)

虽然这看起来更复杂，可能需要更长的运行时间，但对于更复杂的图形查询，这很适合作为单个实体而不是作为单独的顶点和边与graphframe交互。因此，对顶点进行过滤也会影响graphframe中左侧的边。在

Answer 2

有意思。。我看不出结果：

>>> from graphframes.examples import Graphs
>>> import graphframes
>>> g = Graphs(sqlContext).friends()  # Get example graph
>>> # Select subgraph of users older than 30
... v2 = g.vertices.filter("age > 30")
>>> g2 = graphframes.GraphFrame(v2, g.edges)
>>> print(g.vertices.count(), g.edges.count())
(6, 7)
>>> print(g2.vertices.count(), g2.edges.count())
(4, 7)

到现在为止，GraphFrames不检查图是否有效-也就是说，在图形构建时，所有的边都连接到顶点等等。但是在过滤器之后顶点的数量似乎是正确的？在