python | 复杂网络：将关系对转换为邻接矩阵（常规方法以及pivot函数）

复杂网络中常常需要将得到的关系对（图一）转换为邻接矩阵，并存储为csv格式。本文将介绍两方法来进行处理：方法一是构建数据框赋予值。方法二是利用pivot () 函数将一维表转换为二维表。本文所采用的例子为有向加权网络。

首先我们的原始数据为关系对（图一）：

 因此可以看到节点列为node1和node2，权重列为weight。接下来转换为邻接矩阵。

方法一：构建数据框并赋予值

原理：这个方法是提取出列作为节点，然后进行对应的值输入，形成邻接矩阵。

代码：

import pandas as pd
import numpy as np

#导入你的数据
data = pd.read_csv('./yourdata.csv')

vals = np.unique(data[['origin_x', 'origin_y']])  # 同时取出两列,作为节点
df = pd.DataFrame(0, index=vals, columns=vals)
f = df.index.get_indexer
df.values[f(data.origin_x), f(data.origin_y)] = 1
print(df)

输出结果：

方法二：pivot函数

原理：pivot（）函数是python中自带的函数，可以直接使用，非常容易理解。函数的三个参数为：

index：转换后邻接矩阵的行索引。在本例中为node1。

columns：转换后邻接矩阵的列。在本例中为node2.

values：邻接矩阵的权重。如果没有权重时可以不写这个参数。在本例中为weight。

代码：

import pandas as pd
import numpy as np

#导入你的数据
data = pd.read_csv('./yourdata.csv')

#转换为邻接矩阵用pivot（）
df = data.pivot(index='node1',columns='node2',values='weight') 
    #index为行索引，columns为列索引，values是矩阵中填充的值
df = df.reset_index()
df.fillna(0,inplace=True)
print(df)

得到的结果：

对于此方法来说，它是根据节点的值形状变化的，第一种方法一定会形成一个对称的邻接矩阵。而第二种方法则是相当于将一维表转换为二维表。因此当节点2和其他节点无交流时，则直接不会显示。