igraph.io.objects

从一个或两个数据框生成图表。

从字典的字典表示中构建一个图。

每个键可以是一个整数或字符串，代表一个顶点。每个值是一个字典，代表从该顶点出发的边（如果图是有向的）。每个字典键是一个目标顶点的整数/字符串，这样将在两个顶点之间创建一条边。整数被解释为从0开始的顶点ID（如igraph中所用），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。每个值是该边的边属性字典。

示例：

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

创建一个包含三个顶点（Alice、Bob 和 David）和两条边的图：

• Alice - Bob (with weight 1.5)
• Alice - David (with weight 2)

从字典列表表示中构建图。

当你有两个字典列表时，一个用于顶点，一个用于边，每个列表包含它们的属性（例如名称、权重），这个函数非常有用。当然，边的字典还必须包含两个特殊的键，用于指示该边连接的源顶点和目标顶点。只要它们生成字典或类似字典的对象（它们应该具有'items'和'__getitem__'方法），非列表可迭代对象也应该可以工作。例如，只要数据库查询结果是可迭代的，并且每次迭代都生成类似字典的对象，它很可能适合使用。

>>> 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)

从列表字典表示中构建图。

此函数用于从列表字典中构建图。其他非列表序列（例如元组）和惰性迭代器也被接受。对于每个键x，其对应的值必须是多个值y的序列：图中将创建边(x,y)。x和y必须是以下之一：

• two integers: the vertices with those ids will be connected
• two strings: the vertices with those names will be connected

如果使用名称，顶点的顺序不能保证，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)

从元组列表表示中构建图。

这种表示法假设图的边被编码在一个元组（或列表）的列表中。列表中的每个项目必须至少有两个元素，这两个元素指定了边的源顶点和目标顶点。其余的元素（如果有的话）指定了该边的边属性，其中边属性的名称来源于edge_attrs列表。顶点的名称将存储在由vertex_name_attr给出的顶点属性中。

此函数的默认参数适用于从列表中创建无权图，其中每个项目包含源顶点和目标顶点。如果您有一个加权图，您可以通过将edge_attrs设置为"weight"或["weight"]来使用第三个项目包含边权重的项目。如果您有更多的边属性，请将它们添加到edges列表中每个项目的末尾，并在edge_attrs中以列表形式指定相应的边属性名称。

将带有属性的边导出到pandas.DataFrame

如果你想使用源和目标顶点ID作为索引，你可以这样做：

>>> 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。您可以使用drop=False选项来保留source和target列。

如果你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

将图导出为边属性字典的字典

此函数是Graph.DictDict的反向操作。

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的反向操作。

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"}])

将图导出为列表（或其他序列）的字典。

此函数是Graph.ListDict的反向操作。

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']}

将图导出为边元组列表

此函数是Graph.TupleList的反向操作。

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

如果你想使用顶点名称作为索引，你可以这样做：

>>> 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)