使用 NetworkX 从邻接矩阵构建具有相似值的边？

Question

我已经从如下节点构建了一个图表：

data = pd.DataFrame({
            'id': [1, 2, 3, 4, 5],
            'a': [55, 2123, -19.3, 9, -8], 
            'b': [21, -0.1, 0.003, 4, 2.1]
        })

import networkx as nx
G = nx.Graph()
for i, attr in data.set_index('id').iterrows():
    G.add_node(i, **attr.to_dict())

我已经计算了相似度矩阵（通过排除 id 列）。

from sklearn.metrics.pairwise import cosine_similarity

# Calculate the pairwise cosine similarities 
S = cosine_similarity(data.drop('id', axis=1))

T  = S.tolist()
df = pd.DataFrame.from_records(T)

这是我的 adj 矩阵：

adj_mat = pd.DataFrame(df.to_numpy(), index=data['id'], columns=data['id'])

现在，我如何使用此 adj_mat“附加”并连接节点？例如，我希望 id = 1 的节点连接到 id = 2 的节点，其边的相似度参数等于 adj 矩阵中计算的相似度。

请告知如何做。

Answer 1

通过首先从 adj 矩阵构建图表来解决：

G = nx.Graph()
G = nx.from_pandas_adjacency(df_adj)

然后循环我的节点数据，用节点的属性更新节点（并删除自循环）：

G.remove_edges_from(nx.selfloop_edges(G))
for i, attr in data.set_index('id').iterrows():
    G.add_node(i, **attr.to_dict())

希望它能帮助其他人:)