题目描述

1import networkx as nx
2import matplotlib.pyplot as plt
3
4# 创建一个包含 500 个节点、平均度为 4、重连概率为 0.5 的合成图
5G = nx.watts_strogatz_graph(n=500, k=4, p=0.5, seed=42)
6
7# 使用 matplotlib 可视化图
8nx.draw(G, with_labels=False, node_size=50, width=0.5)

1from faker import Faker
2
3faker = Faker()
4Faker.seed(0)
5# 用于存储姓名的空列表
6node_names = []
7
8# for 循环生成 500 个唯一姓名
9for i in range(501):
10    # 生成一个随机姓名
11    name = faker.name()
12    # 检查该姓名是否已在列表中
13    if name not in node_names:
14        # 如果不在，添加到列表中
15        node_names.append(name)
16
17# 打印列表中的前 10 个姓名
18print(node_names[0:10])

1import networkx as nx
2from faker import Faker
3import random
4import pandas as pd
5random.seed(2023)
6
7# 创建一个包含 500 个节点、平均度为 4、重连概率为 0.5 的合成图
8G = nx.watts_strogatz_graph(n=500, k=4, p=0.5, seed=42)
9
10# 节点名称
11faker = Faker()
12Faker.seed(0)
13node_names = []
14# for 循环生成 500 个唯一姓名
15for i in range(501):
16    name = faker.name()
17    if name not in node_names:
18        node_names.append(name)
19
20# 重命名图 G 的节点名称
21mapping = {i: node_names[i] for i in range(len(node_names))}
22G = nx.relabel_nodes(G, mapping)
23
24# 移除可能存在的自环
25G.remove_edges_from(nx.selfloop_edges(G))
26
27# 边属性名称
28attributes = ['friend', 'family', 'acquaintance', 
29              'colleague', 'classmate', 'neighbor', 
30              'schoolmate']
31
32# 每个属性的概率分布
33prob_dist = {'friend': 0.3, 'family': 0.1, 'acquaintance': 0.2, 
34             'colleague': 0.1, 'classmate': 0.1, 'neighbor': 0.1, 
35             'schoolmate': 0.1}
36
37# 分配边属性
38for edge in G.edges:
39    G[edge[0]][edge[1]]['relation'] = random.choices(attributes,weights = list(prob_dist.values()),k=1)[0]
40
41# 将图转换为三元组数据框
42triples = []
43for edge in G.edges:
44    triples.append([edge[0], G[edge[0]][edge[1]]['relation'], edge[1]])
45
46# 创建数据框
47df = pd.DataFrame(triples)
48df.columns = ['h', 'r', 't']
49
50print(df.sample(10))

数据框中的计数

Note: 构建图本身是知识图谱分析中的一个关键环节。