将PyG图转换为NetworkX图

Question

我正在尝试使用to_networkx将PyG图转换为NetworkX图

根据文档，除了Data对象之外，我还可以选择性地将node和edge属性作为str-iterables传递。

以下是按节点和边缘的属性列表，值转换为字符串：

Nodes:  ['3.3375725746154785', '2.0086510181427',..., '1.5960148572921753', '3.621992349624634']
Edges:  ['0.9940207804344958', '0.48573804411542043', ..., '0.7245483440145621', '0.24117984598949904']

当我只将Data对象传递给to_networkx时，它运行良好。然而，当我也传递这些属性列表时，我会得到以下错误：

G[u][v][key] = values[key][i]
KeyError: '0.30194718370332896'

我看过源代码，但不知道它在做什么。有人能帮我解释一下我的属性列表有什么问题，以及我需要更改什么才能被接受吗。

我可以确定的是，这个错误是专门针对我的边缘属性的。如果我删除它们，我会得到以下与节点属性相关的类似错误：

feat_dict.update({key: values[key][i]})
KeyError: '0.0'

如何构造图并将其传递给to_networkx:

n1 = np.repeat(np.array([0,1,2,3,4,5,6]),5)
n2 = np.array([0,1,2,3,4,0,1,2,3,4,0,1,2,3,4,0,1,2,3,4,0,1,2,3,4,0,1,2,3,4,0,1,2,3,4])
cat = np.stack((n1,n2), axis=0)
e = torch.tensor(cat, dtype=torch.long)
edge_index = e.t().clone().detach()
edge_attr = torch.tensor(np.random.rand(35,1))
x = torch.tensor([[0], [0], [0], [0], [0], [1], [1]], dtype=torch.float)
data = Data(x=x, edge_index=edge_index.t().contiguous(), edge_attr = edge_attr)

在传递node和edge属性之前，我会进行字符串转换，以符合str-iterable要求：

networkx_node_values = list(map(str, data.x.t()[0].tolist()))
networkx_edge_values = list(map(str, edge_attr.t()[0].tolist()))

networkX_graph = to_networkx(data, node_attrs = networkx_node_values, edge_attrs = networkx_edge_values)

Answer 1

您需要将属性的名称作为列表传递：

to_networkx(<PyTorchGeometricDataObject>, node_attrs=[<Name of Node Attribute 1>, <Name of Node Attributes 2>, ... ], edge_attr=[<Edge Attribute 1>, ...])

或者在上下文中，基于您给定的最小示例：

import numpy as np
import torch
from torch_geometric.data import Data
from torch_geometric.utils import to_networkx
n1 = np.repeat(np.array([0,1,2,3,4,5,6]),5)
n2 = np.array([0,1,2,3,4,0,1,2,3,4,0,1,2,3,4,0,1,2,3,4,0,1,2,3,4,0,1,2,3,4,0,1,2,3,4])
cat = np.stack((n1,n2), axis=0)
e = torch.tensor(cat, dtype=torch.long)
edge_index = e.t().clone().detach()
edge_attr = torch.tensor(np.random.rand(35,1))
x = torch.tensor([[0], [0], [0], [0], [0], [1], [1]], dtype=torch.float)
data = Data(x=x, edge_index=edge_index.t().contiguous(), edge_attr = edge_attr)
print(data)
# Data(edge_attr=[35, 1], edge_index=[2, 35], x=[7, 1])
networkX_graph = to_networkx(data, node_attrs=["x"], edge_attrs=["edge_attr"])
print(networkX_graph.nodes(data=True))
# [(0, {'x': 0.0}), (1, {'x': 0.0}),...
print(networkX_graph.edges(data=True))
# [(0, 0, {'edge_attr': 0.3412137594357493}), ...