时间戳

首页 > 解决方案 > Networkx：随机遍历有向图

python - Networkx：随机遍历有向图

问题描述

我有一个带加权边的有向图。每个节点都连接到其他每个节点，权重表示从节点 X 移动到节点 Y 的可能性（每个节点的权重总和 = 1 - 这是一个随机矩阵）。

我需要创建一个随机遍历图形的函数，每个节点只进出一次，返回起点

我不想返回最有可能的输出，只是第一次随机遍历树，它只命中每个节点一次并返回它所走的路径，以及每次跳跃的可能性。

这是我正在寻找的一个简单实现：

import pandas as pd
import numpy as np
from numpy.random import choice
import networkx as nx

testData = [('A','B',.5),('A','C',.4),('A','D',.1),('B','A',.5),('B','C',.3),('B','D',.2),('C','A',.3),('C','B',.1), 
            ('C','D',.6),('D','A',.35),('D','B',.15),('D','C',.5)]

G = nx.DiGraph()
G.add_weighted_edges_from(testData)

#traverse g from randomly selected starting node to every other node randomly and back to random start node
def randomWalk(g):
    start_node = choice(G.nodes())

    #dfs implementation available?

    return pathTaken

print (randomWalk(G))
>>> [('C','A',.3),('A':'D',.1),('D':'B',.15),('B':'C',.3)]

我找不到将随机游走组件合并到任何可用遍历算法的方法。

关于我可以使用的可用实现的任何想法？如果可以避免的话，我宁愿不编写自定义 DFS ......

谢谢！

标签： pythongraphnetworkx

解决方案

我最终做的是在使用节点时删除它们，然后将最后一个节点分配给第一个节点。在每一步，我都会重新加权以获得 100% 的可能性。我敢肯定这不是超级有效，但我的图表很小，所以没关系。然后我合并了每个项目最后发生的可能性。

matchedPath = []

currNode = choice(G.nodes())
firstNode = currNode

while G.number_of_nodes() >1:
    connectNodes = [x[1] for x in G.out_edges(currNode,data = True)]
    connectWeights = [x[2]['weight'] for x in G.out_edges(currNode,data = True)]
    remainingWeights = [z/sum(connectWeights) for z in connectWeights]

    nextNode = choice(connectNodes, 1, p=remainingWeights)[0]
    matchedPath.append((currNode,nextNode))

    G.remove_node(currNode)
    currNode = nextNode
matchedPath.append((currNode,firstNode))    

matched_df = pd.DataFrame(matchedPath,columns = ['from','to'])
matched_df = pd.merge(matched_df,rawData,how = 'outer',left_on =['from'],right_on = ['Name']).drop(['Name'],axis = 1)
matched_df = pd.merge(matched_df,link_df,how = 'left',left_on = ['from','to'],right_on = ['person_x','person_y']).drop(['person_x','person_y'],axis = 1)

推荐阅读