networkframe

使用Pandas DataFrames轻量级表示网络。

• 文档： https://bdpedigo.github.io/networkframe
• GitHub： https://github.com/bdpedigo/networkframe
• PyPI： https://pypi.ac.cn/project/networkframe/
• 自由软件：MIT

networkframe 使用Pandas DataFrames以轻量级方式表示网络。一个 NetworkFrame 对象只是一个表示节点和表示边的表，并提供各种方法来轻松查询和操作这些数据。

警告： networkframe 仍在早期开发阶段，因此可能存在错误和缺失功能。请报告您发现的任何问题！

示例

从头开始创建 NetworkFrame

import pandas as pd

from networkframe import NetworkFrame

nodes = pd.DataFrame(
    {
        "name": ["A", "B", "C", "D", "E"],
        "color": ["red", "blue", "blue", "red", "blue"],
    },
    index=[0, 1, 2, 3, 4],
)
edges = pd.DataFrame(
    {
        "source": [0, 1, 2, 2, 3],
        "target": [1, 2, 3, 1, 0],
        "weight": [1, 2, 3, 4, 5],
    }
)

nf = NetworkFrame(nodes, edges)
print(nf)

NetworkFrame(nodes=(5, 2), edges=(5, 3))

通过节点颜色选择子图

red_nodes = nf.query_nodes("color == 'red'")
print(red_nodes.nodes)

  name color
0    A   red
3    D   red

通过边权重选择子图

strong_nf = nf.query_edges("weight > 2")
print(strong_nf.edges)

   source  target  weight
2       2       3       3
3       2       1       4
4       3       0       5

按节点颜色迭代子图

for color, subgraph in nf.groupby_nodes("color", axis="both"):
    print(color)
    print(subgraph.edges)

('blue', 'blue')
   source  target  weight
1       1       2       2
3       2       1       4
('blue', 'red')
   source  target  weight
2       2       3       3
('red', 'blue')
   source  target  weight
0       0       1       1
('red', 'red')
   source  target  weight
4       3       0       5

将节点信息应用到边上

nf.apply_node_features("color", inplace=True)
print(nf.edges)

   source  target  weight source_color target_color
0       0       1       1          red         blue
1       1       2       2         blue         blue
2       2       3       3         blue          red
3       2       1       4         blue         blue
4       3       0       5          red          red

是否 networkframe 适合您？

优点

• 轻量级： NetworkFrame 对象只是两个DataFrame，因此它们易于操作和与其他工具集成。
• 互操作性：可以输出到 NetworkX、numpy 数组和 scipy 稀疏数组。
• 灵活：可以表示有向、无向和多图。
• 熟悉：如果你熟悉 Pandas DataFrames，那就是了。尽可能多的，networkframe 使用与 Pandas 相同的语法，同时也仅仅为你提供对底层表格的访问。
• 可扩展：将 NetworkFrame 作为基础图使用非常容易——例如，你可以创建一个 SpatialNetworkFrame，为节点和边添加空间信息。

缺点

• 无保证：由于 networkframe 允许你访问底层 DataFrames，它对数据的验证并不多。这是出于设计考虑，以保持轻量级和灵活，但这也意味着如果你不小心，也可能弄乱一个 NetworkFrame（例如，你可能会删除用于将边映射到节点的索引）。
• 未针对图计算优化：由于 networkframe 将数据存储为简单的节点和边表格，它没有针对在这些图上执行实际计算（例如，如搜索最短路径）进行优化。典型的流程是使用 networkframe 加载数据并进行操作，然后将其转换为更适合图计算的格式，如 scipy 稀疏矩阵或 NetworkX。

改进空间

• 早期开发：可能存在错误和缺失功能。请报告你发现的任何问题！
• 更多互操作性：目前 networkframe 可以输出到 NetworkX、numpy 和 scipy 稀疏数组。能够以更方便的方式从这些格式读取，并输出到其他格式（如 igraph 或 graph-tool）将会很好。
• 图类型处理：networkframe 主要针对有向图进行测试，对于无向图和多图则相对较少。

致谢

此软件包是用 Cookiecutter 和 bdpedigo/cookiecutter-pypackage 项目模板创建的（它基于几个先前的版本）。