Press "Enter" to skip to content

用 GraphScope 像 NetworkX 一样做图分析

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

NetworkX 是 Python 上最常用的图分析包,GraphScoep 兼容 NetworkX 接口。本文中我们将分享如何用 GraphScope 像 NetworkX 一样在(大)图上进行分析。

 

快速访问graphscope: ​ ​https://github.com/alibaba/GraphScope​

 

NetworkX 是什幺

 

NetworkX 是一个用 Python 语言开发的图论与复杂网络建模工具,它内置了常用的图与复杂网络分析算法,提供了一套简单易用的图分析接口,可以方便地进行复杂网络数据分析、仿真建模等工作。NetworkX 的接口设计十分简洁,对于作为刚进入图算法领域的小白来说,NetworkX 的接口可以帮助使用者快速建立起对图数据的感知,并且对于中小型数据集,NetworkX 的接口也是非常好上手的。

 

但由于 NetworkX 是基于 Python 语言开发,算法的性能并不是它的强项,而且也无法有效地处理工业级别的大规模图数据。基于这一背景,GraphScope 提供了一套兼容 NetworkX 的图分析接口,在能使用像 NetworkX 这样简单易用的接口的同时,也能提供高性能的图分析算法以支持超大规模图数据的处理。

 

我们通过一个小例子来简单介绍一下 NetworkX 的图分析过程。

 

# NetworkX 的图分析过程从图的构建开始
import networkx
# 初始化一个空的无向图
G = networkx.Graph()
# 通过 add_edges_from 接口添加边列表
# 此处添加了两条边(1, 2)和(1, 3)
G.add_edges_from([(1, 2), (1, 3)])
# 通过 add_node 添加点4
G.add_node(4)
# 接着查看一些图的信息
# 使用 G.number_of_nodes 查询图G目前点的数目
G.number_of_nodes()
# 4
# 类似地,G.number_of_edges 可以查询图G中
# 边的数量
G.number_of_edges()
# 2
# 通过 G.degree 来查看图G中每个点的度数
sorted(d for n, d in G.degree())
# [0, 1, 1, 2]
# 最后调用 NetworkX 内置的算法对对图进行分析
# 调用 connected_components 算法分析图G的
# 联通分量
list(networkx.connected_components(G))
# [{1, 2, 3}, {4},]
# 调用 clustering 算法分析图G的聚类情况
networkx.clustering(G)
# {1: 0, 2: 0, 3: 0, 4: 0}

 

上述例子只是对 NetworkX 做图分析的一个简单的介绍,更多 NetworkX 的接口介绍以及详细的使用说明,内置的算法等可以参考 NetworkX 官方文档 [1] 。

 

用 GraphScope 像 NetworkX 一样做图分析

 

NetworkX 官方的 NetworkX tutorial [2] 是一个 NetworkX 接口使用以及图的入门教程。为了演示 GraphScope 对 NetworkX 的兼容性以及如何使用 GraphScope 的 NetworkX 接口进行图分析,下面我们使用 GraphScope 来执行教程中的例子。

 

使用 GraphScope 的 NetworkX 兼容接口,我们只需要简单地将教程中的​ ​import netwokx as nx​ ​替换为​ ​import graphscope.nx as nx​ ​即可, 当然这里只是依照 NetworkX 的惯例使用​ ​nx​ ​作为别名, 你也可以其他自定义的别名,例如 ​ ​import graphscope.nx as gs_nx​ ​。

 

图的构建

 

GraphScope 支持与 NetworkX 完全相同的载图语法,示例里我们使用​ ​nx.Graph()​ ​来建立一个空的无向图。

 

import graphscope.nx as nx
# 我们可以建立一个空的无向图
G = nx.Graph()

 

增加节点和边

 

GraphScope 的图操作接口也保持了与 NetworkX 的兼容,用户可以通过​ ​add_node​ ​和​ ​add_nodes_from​ ​来添加节点,通过​ ​add_edge​ ​和​ ​add_edges_from​ ​来添加边。

 

# 通过 add_node 一次添加一个节点
G.add_node(1)
# 或从任何 iterable 容器中添加节点,如列表
G.add_nodes_from([2, 3])
# 如果容器中是元组的形式,还可以在添加节点的同时,
# 添加节点属性
G.add_nodes_from([(4, {"color": "red"}), (5, {"color": "green"})])
# 对于边,可以通过 add_edge 的一次添加一条边
G.add_edge(1, 2)
e = (2, 3)
G.add_edge(*e)
# 通过 add_edges_from 添加边列表
G.add_edges_from([(1, 2), (1, 3)])
# 或者通过边元组的方式,在添加边的同时,
# 添加边的属性
G.add_edges_from([(1, 2), (2, 3, {'weight': 3.1415})])

 

查询图的元素

 

GraphScope 支持兼容 NetworkX 的图查询接口。用户可以通过​ ​number_of_nodes​ ​和​ ​number_of_edges​ ​来获取图点和边的数量,通过​ ​nodes​ ​, ​ ​edges​ ​,​ ​adj​ ​和​ ​degree​ ​等接口来获取图当前的点和边,以及点的邻居和度数等信息。

 

# 查询目前图中点和边的数目
G.number_of_nodes()
# 5
G.number_of_edges()
# 3
# 列出目前图中的点和边
list(G.nodes)
# [1, 2, 3, 4, 5]
list(G.edges)
# [(1, 2), (1, 3), (2, 3)]
# 查询某个点的邻居
list(G.adj[1])
# [2, 3]
# 查询某个点的度
G.degree(1)
# 2

 

从图中删除元素

 

像 NetworkX 一样, GraphScope 也可以使用与添加元素相类似的方式从图中删除点和边,对图进行修改。例如可以通过​ ​remove_node​ ​和​ ​remove_nodes_from​ ​来删除图中的节点,通过​ ​remove_edge​ ​和​ ​remove_edges_from​ ​来删除图中的边。

 

# 通过 remove_node 删除一个点
G.remove_node(5)
# 查看图 G 现有的点,发现点5已经被删除了
list(G.nodes)
# [1, 2, 3, 4]
# 通过 remove_nodes_from 删除多个点
G.remove_nodes_from([4, 5])
# 再查看图 G 现有的点,点4也已经被删除了
list(G.nodes)
# [1, 2, 3]
# 通过 remove_edge 删除一条边
G.remove_edge(1, 2)
# 查看图 G 现有的边,(1, 2) 这条边在G中
# 已经被删除
list(G.edges)
# [(1, 3), (2, 3)]
# 通过 remove_edges_from 删除多条边
G.remove_edges_from([(1, 3), (2, 3)])
# 查看图 G 现有的边,(1, 3), (2, 3) 这两条边
# 在 G 中已经不存在了
list(G.edges)
# []
# 我们再来看一下现在的点和边的数目
G.number_of_nodes()
# 3
G.number_of_edges()
# 0

 

图分析

 

GraphScope 可以通过兼容 NetworkX 的接口来对图进行各种算法的分析,示例里我们构建了一个简单图,然后分别使用​ ​connected_components​ ​分析图的联通分量,使用​ ​clustering​ ​来得到图中每个点的聚类系数,以及使用​ ​all_pairs_shortest_path​ ​来获取节点两两之间的最短路径。

 

# 首先构建图
G = nx.Graph()
G.add_edges_from([(1, 2), (1, 3)])
G.add_node(4)
# 通过 connected_components 算法找出
# 图中的联通分量
list(nx.connected_components(G))
# [{4}, {1, 2, 3},]
# 通过 clustering 算法计算每个点的聚类系数
nx.clustering(G)
# {4: 0.0, 1: 0.0, 2: 0.0, 3: 0.0}
# 计算图中节点两两之间的最短路径
sp = dict(nx.all_pairs_shortest_path(G))
# 查看节点3与其他节点的最短路径
sp[3]
# {3: [3], 1: [3, 1], 2: [3, 1, 2]}

 

图的简单绘制

 

同 NetworkX 一样,GraphScope 支持通过​ ​draw​ ​将图进行简单地绘制出来。

 

(依赖​ ​matplotlib​ ​的绘图功能,如果未安装,需要先通过  pip install atplotlib 安装)

 

import graphscope.nx as nx
# 创建一个5个点的 star graph
G = nx.star_graph(5)
# 使用 nx.draw 绘制图
nx.draw(G, with_labels=True)

 

 

通过一些简单的例子,我们展示了 GraphScope 对于 NetworkX 接口的兼容性和一些图操作/分析接口的使用。更详细的使用可以参考 GraphScope 文档 [3] 。

 

GraphScope 相比 NetworkX 算法性能有着数量级的提升

 

GraphScope 支持了部分 NetworkX 内置的图算法,我们可以通过 NetworkX 的调用算法的方式来调用这些算法。下面我们通过一个简单的实验来看一下 GraphScope 对比 NetworkX 在算法性能上到底提升多少。

 

这个实验使用来自 SNAP 的 twitter [4] 图数据,测试算法是 NetworkX 内置的  Clustering [5] 算法。实验所用的机器配置为8核CPU, 16G内存。

 

我们首先准备下数据,使用 wget 将数据集下载到本地

 

wget https://raw.githubusercontent.com/GraphScope/gstest/master/twitter.e ${HOME}/twitter.e

 

接着我们分别使用 GraphScope 和 NetworkX 载入 snap-twitter 数据

 

import os
import graphscope.nx as gs_nx
import networkx as nx
# 使用 NetworkX 载入 snap-twitter 图数据
g1 = nx.read_edgelist(
     os.path.expandvars('$HOME/twitter.e'),
     nodetype=int,
     data=False,
     create_using=nx.Graph
)
type(g1)
# networkx.classes.graph.Graph
# 使用 GraphScope 载入 snap-twitter 图数据
g2 = gs_nx.read_edgelist(
     os.path.expandvars('$HOME/twitter.e'),
     nodetype=int,
     data=False,
     create_using=gs_nx.Graph
)
type(g2)
# graphscope.nx.classes.graph.Graph

 

我们使用 Clustering 算法来对图进行聚类分析,来看一下 GraphScope 对比 NetworkX 在算法性能上有多少提升

 

%%time
# 使用 GraphScope 计算图中每个点的聚类系数
ret_gs = gs_nx.clustering(g2)
# CPU times: user 213 ms, sys: 163 ms, total: 376 ms
# Wall time: 2.9 s
%%time
# 使用 NetworkX 计算图中每个点的聚类系数
ret_nx = nx.clustering(g1)
# CPU times: user 54.8 s, sys: 0 ns, total: 54.8 s
# Wall time: 54.8 s
# 对比下两者的结果是否一致
ret_gs == ret_nx
# True

 

从实验结果我们可以看到,GraphScope 在兼容 NetworkX 接口的同时,内置的算法对比 NetworkX 可以达到几个数量级的性能提升。GraphScope 在提供兼容 NetworkX 简单易用的接口的同时,也能提供非常高效的算法分析。

 

结语

 

本文介绍了如何让 GraphScope 使用 NetworkX 风格的方式对图数据进行操作和分析,同时,本文也通过在snap-twitter 图数据上聚类算法分析的对比来展示了 GraphScope 在兼容 NetworkX 接口的同时,提供了高效的算法分析能力。

 

在后续的文章中,我们将会通过 benchmark 的方式更细致地对比 GraphScope 与 NetworkX 在图操作,图查询和图分析上的一些性能比较,以及使用 GraphScope 来执行一些 github 社区中基于 NetworkX 的有趣的数据分析项目。

 

本文中涉及的代码都已经在 GraphScope Playground 中,感兴趣的读者可以直接点击下方的 阅读原文 ,进入 Playground 试用这些代码。

 

参考资料

 

[1]

 

NetworkX 官方文档: https://networkx.org/documentation/stable/index.html

 

[2]

 

NetworkX tutorial: https://networkx.org/documentation/stable/tutorial.html

 

[3]

 

GraphScope 文档: https://graphscope.io/docs/reference/networkx/index.html

 

[4]

 

Snap-twitter: https://snap.stanford.edu/data/ego-Twitter.html

 

[5]

 

Clustering 算法: https://networkx.org/documentation/stable/reference/algorithms/generated/networkx.algorithms.cluster.clustering.html#networkx.algorithms.cluster.clustering

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注