如何修复 Python 网络中边缘/节点的不一致标记？

Question

我想为图上的max-cut问题定义一个目标函数。我使用以下表达式，0.5*sum([w[i,j]*(1-spin[i]*spin[j]) for i,j in G.edges])其中G是一个 networkx 图，w是从该图生成的 numpy 矩阵(连接矩阵(，spin是一个数组，条目为 -1 或 1 表示节点位于分区的哪一侧。

我认为一切都很好，但事实证明，边缘的标记与节点的标记不一致，请参见下面的代码。例如，在图形 G1 中，即使边缘 (1,5( 在图形中，边权重w[1,5]为 0。关于如何解决此问题的任何建议？

干杯

import networkx as nx
G1 = nx.random_regular_graph(3,6, seed = 1)
G2 = nx.random_regular_graph(3,6, seed = 1)
# labelling seems not to be conserved when transforming to matrix and back
G2 = nx.to_numpy_matrix(G2)
G2 = nx.from_numpy_matrix(G2)
print(nx.to_numpy_matrix(G1))
print(G1.edges)
print(nx.to_numpy_matrix(G2))
print(G2.edges)

输出

[[0. 1. 0. 1. 0. 1.]
[1. 0. 1. 0. 1. 0.]
[0. 1. 0. 1. 0. 1.]
[1. 0. 1. 0. 1. 0.]
[0. 1. 0. 1. 0. 1.]
[1. 0. 1. 0. 1. 0.]] # matrix of G1
[(0, 1), (0, 4), (0, 3), (1, 2), (1, 5), (2, 3), (2, 4), (4, 5), (5, 3)] # edges of G1
[[0. 1. 0. 1. 0. 1.]
[1. 0. 1. 0. 1. 0.]
[0. 1. 0. 1. 0. 1.]
[1. 0. 1. 0. 1. 0.]
[0. 1. 0. 1. 0. 1.]
[1. 0. 1. 0. 1. 0.]] # matrix of G2
[(0, 1), (0, 3), (0, 5), (1, 2), (1, 4), (2, 3), (2, 5), (3, 4), (4, 5)] # edges of G2

Answer 1

如to_numpy_matrix文档中所述，如果不使用参数nodelist，该方法隐式使用G.nodes()的顺序。

使用以下代码应该可以解决排序问题

nx.to_numpy_matrix(G, nodelist=sorted(G))