同时输出多个方法的Top-K节点（Python）

注意：

该方法输出的为Top-K节点的索引（index），即若节点Id为1~n，则对应输出索引为0~n-1。

读者需要根据自己的实际应用进行调整或修改！

输入：“多方法排序.csv”文件对应的Dataframe

文件类型如下图

Id	LR	PR	S1	S2	S3
1	0.627	0.007669	0.5405	0.6014	0.561
2	0.627	0.007669	0.6312	0.6574	0.6462
3	0.627	0.007669	0.4801	0.5583	0.5017
4	0.7217	0.009864	0.5001	0.5937	0.5168
5	0.6825	0.008934	0.4461	0.5213	0.4479
6	0.7217	0.009864	0.5338	0.627	0.5555
7	0.7217	0.009864	0.5001	0.5937	0.5168

 输出：各个方法按照方法/指标值从大到小排序，选择前k的节点的索引构成Dataframe

代码

# 获得所需的top-k节点
def getTopK(methods, k):
    print('Top-' + str(k) + '节点生成中...')
    methods_name = np.array(methods.columns)[1: len(methods.columns)]
    print('文件中共有以下 ' + str(len(methods_name)) + ' 种方法')
    print(methods_name)
    df = pd.DataFrame(columns=methods_name)  # 存储各个方法的top-k节点
    # 循环每一个方法
    for i in range(len(methods_name)):
        method = methods.iloc[:, i + 1]  # 方法列
        top_K = method.argsort()[::-1][0:k]  # top-k,此处为索引号，与Id号差1
        df[methods_name[i]] = top_K  # 存储到dataframe
    return df

测试

from SIRTool import getTopK  # 引入该方法

if __name__ == '__main__':
    methods = pd.read_csv('多方法排序.csv')  # 多种方法的排序结果
    k = 5    # 取排名前5的节点
    df = getTopK(methods, k)  # 多种方法的Top-k结果
    print(df)
    df.to_csv('Top-' + str(k) + ' nodes.csv', index=False)
    print('Top-' + str(k) + '节点已存储至本地！\n')

输出结果： 

Top-5节点生成中...
文件中共有以下 5 种方法
['LR' 'PR' 'S1' 'S2' 'S3']
    LR  PR  S1  S2  S3
51  25  39  25  25  25
50  39  25  39  39  39
49  41  41  41  41  41
48  20  20  42  20  20
47  42  42  20  42  42
Top-5节点已存储至本地！