从一个或两个数据帧生成一个图。

从 dict-of-dicts 表示形式构造图。

每个键可以是整数或字符串，表示一个顶点。每个值都是一个字典，表示从该顶点发出的边（如果图是有向图）。每个字典键是一个整数/字符串，表示目标顶点，这样将在这两个顶点之间创建一条边。整数被解释为从 0 开始的 vertex_id（如在 igraph 中使用的），字符串被解释为顶点名称，在这种情况下，顶点被赋予单独的数字 id。每个值都是该边的边属性字典。

示例

>>> {'Alice': {'Bob': {'weight': 1.5}, 'David': {'weight': 2}}}

创建一个具有三个顶点（Alice、Bob 和 David）和两条边的图

• Alice - Bob（权重为 1.5）
• Alice - David（权重为 2）

从列表字典表示形式构造一个图。

当您有两个字典列表时，此函数很有用，一个用于顶点，一个用于边，每个字典都包含其属性（例如，名称，权重）。当然，边字典还必须包含两个特殊的键，以指示该边连接的源顶点和目标顶点。只要非列表可迭代对象产生字典或类似字典的对象（它们应具有“items”和“__getitem__”方法），它们就可以工作。例如，只要数据库查询结果是可迭代的并且每次迭代都产生类似字典的对象，它就很可能适合。

>>> vertices = [{'name': 'apple'}, {'name': 'pear'}, {'name': 'peach'}]
>>> edges = [{'source': 'apple', 'target': 'pear', 'weight': 1.2},
...          {'source': 'apple', 'target': 'peach', 'weight': 0.9}]
>>> g = Graph.DictList(vertices, edges)

从 dict-of-lists 表示形式构造图。

此函数用于从列表字典构造图。接受其他非列表序列（例如，元组）和惰性迭代器。对于每个键 x，其对应的值必须是多个值 y 的序列：将在图中创建边 (x,y)。x 和 y 必须是以下之一

• 两个整数：将连接具有这些 id 的顶点
• 两个字符串：将连接具有这些名称的顶点

如果使用名称，则不能保证顶点的顺序，并且每个顶点将被赋予 vertex_name_attr 属性。

>>> mydict = {'apple': ['pear', 'peach'], 'pear': ['peach']}
>>> g = Graph.ListDict(mydict)

从元组列表表示形式构造一个图。

此表示假定图的边编码在元组（或列表）列表中。列表中的每个项目必须至少具有两个元素，这些元素指定边的源顶点和目标顶点。其余元素（如果有）指定该边的边属性，其中边属性的名称源自边_属性列表。顶点的名称将存储在给定的顶点属性中顶点_名称_属性.

此函数的默认参数适用于从列表中创建未加权图，其中每个项目都包含源顶点和目标顶点。如果您有一个加权图，则可以通过设置边_属性到"weight"之一或["weight"]。如果您有更多的边属性，请将它们添加到边列表中的每个项目的末尾，并在边_属性中指定相应的边属性名称作为列表。

将带有属性的边导出到 pandas.DataFrame

如果想使用源顶点和目标顶点 ID 作为索引，可以执行

>>> from string import ascii_letters
>>> graph = Graph.GRG(25, 0.4)
>>> graph.vs["name"] = ascii_letters[:graph.vcount()]
>>> df = graph.get_edge_dataframe()
>>> df.set_index(['source', 'target'], inplace=True)

索引将是一个 pandas.MultiIndex。可以使用drop=False选项来保留来源和目标列。

如果想在源列和目标列中使用顶点名称

>>> df = graph.get_edge_dataframe()
>>> df_vert = graph.get_vertex_dataframe()
>>> df['source'].replace(df_vert['name'], inplace=True)
>>> df['target'].replace(df_vert['name'], inplace=True)
>>> df_vert.set_index('name', inplace=True)  # Optional

将图导出到边属性的字典的字典

此函数是 Graph.DictDict 的逆函数。

示例

>>> g = Graph.Full(3)
>>> g.es['name'] = ['first_edge', 'second', 'third']
>>> g.to_dict_dict()
{0: {1: {'name': 'first_edge'}, 2: {'name': 'second'}}, 1: {2: {'name': 'third'}}}

将图导出为两个字典列表，分别用于顶点和边。

此函数是 Graph.DictList 的逆函数。

示例

>>> g = Graph([(0, 1), (1, 2)])
>>> g.vs["name"] = ["apple", "pear", "peach"]
>>> g.es["name"] = ["first_edge", "second"]

>>> g.to_dict_list()
([{"name": "apple"}, {"name": "pear"}, {"name": "peach"}],
 [{"source": 0, "target": 1, "name": "first_edge"},
  {"source" 0, "target": 2, name": "second"}])

>>> g.to_dict_list(use_vids=False)
([{"name": "apple"}, {"name": "pear"}, {"name": "peach"}],
 [{"source": "apple", "target": "pear", "name": "first_edge"},
  {"source" "apple", "target": "peach", name": "second"}])

将图导出到列表（或其他序列）的字典。

此函数是 Graph.ListDict 的逆函数。

示例

>>> g = Graph.Full(3)
>>> g.to_sequence_dict() -> {0: [1, 2], 1: [2]}
>>> g.to_sequence_dict(sequence_constructor=tuple) -> {0: (1, 2), 1: (2,)}
>>> g.vs['name'] = ['apple', 'pear', 'peach']
>>> g.to_sequence_dict(use_vids=False)
{'apple': ['pear', 'peach'], 'pear': ['peach']}

将图导出到边元组列表

此函数是 Graph.TupleList 的逆函数。

示例

>>> g = Graph.Full(3)
>>> g.vs["name"] = ["apple", "pear", "peach"]
>>> g.es["name"] = ["first_edge", "second", "third"]

>>> # Get name of the edge
>>> g.to_tuple_list(edge_attrs=["name"])
[(0, 1, "first_edge"), (0, 2, "second"), (1, 2, "third")]

>>> # Use vertex names, no edge attributes
>>> g.to_tuple_list(use_vids=False)
[("apple", "pear"), ("apple", "peach"), ("pear", "peach")]

将带有属性的顶点导出到 pandas.DataFrame

如果想使用顶点名称作为索引，可以执行

>>> from string import ascii_letters
>>> graph = Graph.GRG(25, 0.4)
>>> graph.vs["name"] = ascii_letters[:graph.vcount()]
>>> df = graph.get_vertex_dataframe()
>>> df.set_index('name', inplace=True)