python - Python:创建网络的最佳方法？

我有一个包含两家公司交易信息的数据框

df
      idA   idB   amount  nameA  nameB
0      4     5     300     xxx    yyy
1      3     7     150     kkk    uuu
2      3     6     289     kkk    vvv
3      1     4     189     hhh    iii

我想使用networkx包创建一个网络。

G=nx.Graph()
for i in df.index:
    G.add_node(df['idA'][i], name = df['nameA'][i])
    G.add_node(df['idB'][i], name = df['nameB'][i])
    G.add_edge(df['idA'][i], df['idB'][i], weight = df['amount'][i] )

我想知道是否有更有效的方法

最佳答案

答案是肯定的。只要看一下这个文档：https://networkx.github.io/documentation/latest/reference/generated/networkx.convert_matrix.from_pandas_edgelist.html
如果是你，我会：

G=nx.from_pandas_edgelist(df, 'idA', 'idB', ['amount'])

如果要向节点添加其他属性，请遵循以下文档：https://networkx.github.io/documentation/networkx-1.9/reference/generated/networkx.classes.function.set_node_attributes.html
编辑：
很抱歉，但我没有注意到networkx 2.0中的from_pandas_dataframe已被删除。非常感谢@tohv回答了这个问题here
最后，正如我所评论的，这些是优化的函数。如果我们比较它们在执行for循环的相同函数时的速度，则差异是一致的。

from random import randint
import pandas as pd
import networkx as nx
from time import time
import numpy as np

df = pd.DataFrame()
df['a'] = [randint(0, 100) for _ in range(10000)]
df['b'] = [randint(0, 100) for _ in range(10000)]

c = 0
runs = []
while c <= 100:
    G=nx.Graph()
    start = time()
    for i in df.index:
        G.add_node(df['a'][i], name = df['a'][i])
        G.add_node(df['b'][i], name = df['b'][i])
        G.add_edge(df['a'][i], df['b'][i])

    run = time() - start
    runs.append(run)
    c += 1

print ('done in:', np.mean(runs), 'seconds')

完成时间：0.6191224154859486秒

c = 0
runs = []
while c <= 100:
    G=nx.Graph()
    start = time()
    G=nx.from_pandas_edgelist(df, 'a', 'b')
    run = time() - start
    runs.append(run)
    c += 1

print ('done in:', np.mean(runs), 'seconds')

完成时间：0.014413160852866598秒

关于python - Python:创建网络的最佳方法？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/50602610/