dgl.to_networkx

dgl.to_networkx(g, node_attrs=None, edge_attrs=None, ntype_attr='ntype', etype_attr='etype', eid_attr='id')[source]

将图转换为 NetworkX 图并返回。

生成的 NetworkX 图还包含输入图的节点/边特征。此外，DGL 将边 ID 保存为返回的 NetworkX 图中的 'id' 边属性。

参数:

g (DGLGraph) – 同构图或异构图。
node_attrs (iterable of str, optional) – 从 g.ndata 复制的节点属性。(默认值: None)
edge_attrs (iterable of str, optional) – 从 g.edata 复制的边属性。(默认值: None)
ntype_attr (str, optional) – 在 NetworkX 对象中存储节点类型的节点属性名称。(默认值: “ntype”)
etype_attr (str, optional) – 在 NetworkX 对象中存储边规范类型的边属性名称。(默认值: “etype”)
eid_attr (str, optional) – 在 NetworkX 对象中存储原始边 ID 的边属性名称。(默认值: “id”)

返回值:

转换后的 NetworkX 图。

返回类型:

networkx.DiGraph

备注

该函数仅支持 CPU 图输入。

示例

以下示例使用 PyTorch 后端。

>>> import dgl
>>> import torch

对于同构图

>>> g = dgl.graph((torch.tensor([1, 2]), torch.tensor([1, 3])))
>>> g.ndata['h'] = torch.zeros(4, 1)
>>> g.edata['h1'] = torch.ones(2, 1)
>>> g.edata['h2'] = torch.zeros(2, 2)
>>> nx_g = dgl.to_networkx(g, node_attrs=['h'], edge_attrs=['h1', 'h2'])
>>> nx_g.nodes(data=True)
NodeDataView({
    0: {'h': tensor([0.])},
    1: {'h': tensor([0.])},
    2: {'h': tensor([0.])},
    3: {'h': tensor([0.])}
})
>>> nx_g.edges(data=True)
OutMultiEdgeDataView([
    (1, 1, {'id': 0, 'h1': tensor([1.]), 'h2': tensor([0., 0.])}),
    (2, 3, {'id': 1, 'h1': tensor([1.]), 'h2': tensor([0., 0.])})
])

对于异构图

>>> g = dgl.heterograph({
...     ('user', 'follows', 'user'): (torch.tensor([0, 1]), torch.tensor([1, 2])),
...     ('user', 'follows', 'topic'): (torch.tensor([1, 1]), torch.tensor([1, 2])),
...     ('user', 'plays', 'game'): (torch.tensor([0, 3]), torch.tensor([3, 4]))
... })
>>> g.ndata['n'] = {
...     'game': torch.zeros(5, 1),
...     'user': torch.ones(4, 1)
... }
>>> g.edata['e'] = {
...     ('user', 'follows', 'user'): torch.zeros(2, 1),
...     'plays': torch.ones(2, 1)
... }
>>> nx_g = dgl.to_networkx(g, node_attrs=['n'], edge_attrs=['e'])
>>> nx_g.nodes(data=True)
NodeDataView({
    0: {'ntype': 'game', 'n': tensor([0.])},
    1: {'ntype': 'game', 'n': tensor([0.])},
    2: {'ntype': 'game', 'n': tensor([0.])},
    3: {'ntype': 'game', 'n': tensor([0.])},
    4: {'ntype': 'game', 'n': tensor([0.])},
    5: {'ntype': 'topic'},
    6: {'ntype': 'topic'},
    7: {'ntype': 'topic'},
    8: {'ntype': 'user', 'n': tensor([1.])},
    9: {'ntype': 'user', 'n': tensor([1.])},
    10: {'ntype': 'user', 'n': tensor([1.])},
    11: {'ntype': 'user', 'n': tensor([1.])}
})
>>> nx_g.edges(data=True)
OutMultiEdgeDataView([
    (8, 9, {'id': 2, 'etype': ('user', 'follows', 'user'), 'e': tensor([0.])}),
    (8, 3, {'id': 4, 'etype': ('user', 'plays', 'game'), 'e': tensor([1.])}),
    (9, 6, {'id': 0, 'etype': ('user', 'follows', 'topic')}),
    (9, 7, {'id': 1, 'etype': ('user', 'follows', 'topic')}),
    (9, 10, {'id': 3, 'etype': ('user', 'follows', 'user'), 'e': tensor([0.])}),
    (11, 4, {'id': 5, 'etype': ('user', 'plays', 'game'), 'e': tensor([1.])})
])