读取Cora数据集中节点的属性

1.数据集文件

1.1 cora.cites

每行包含两个论文 id。第一列是被引用论文的id，第二列是引用的论文id。如果一行用“论文1 论文2”表示，意为“论文2 引用 论文1”，

1.2 cora.content

每行由“论文id+该论文属性的二进制+论文类别标签”组成。

与下图是同一行数据

2. python 处理数据

2.1 读取文件

import pandas as pd

con_data = pd.read_csv('cora.content', sep='\t', header=None)
cit_data = pd.read_csv('cora.cites', sep='\t', header=None)
print("content shape: ", con_data.shape)
print("cites shape: ", cit_data.shape)

shape的功能是读取矩阵的长度

2.2 获取属性

（1）将每一行取出后按制表符对每一行进行分割，去除掉第一行和最后一行后剩下的就是属性了。

path = r"E:\cora\cora.content"
#传入要读的文件路径
file = open(path, "r", encoding="utf-8", errors="ignore")
while True:
  mystr = file.readline()#表示一次读取一行
  if not mystr:
  #读到mystr为空的时候跳出，结束循环。
    break
  print(mystr, end="")#打印每次读到的内容
  mystr_l= mystr.split('\t')#用制表符分割后类型转为列表
  print(mystr_l)
  del mystr_l[0]#删除列表中第一个元素
  mystr_l.pop()#pop()默认pop出最后一个元素
  print(mystr_l)#得到属性
  

（2）Pandas中的iloc()函数

import pandas as pd

con_data = pd.read_csv('cora.content', sep='\t', header=None)
cit_data = pd.read_csv('cora.cites', sep='\t', header=None)

features = con_data.iloc[:, 1:-1]
print("features shape: ", features.shape)
print(features)