單模網路轉換為關聯網路的原理與實踐

import networkx as nx
from networkx.algorithms import bipartite
from networkx import NetworkXError

# 載入 Zachary 空手道俱樂部網路
G = nx.karate_club_graph()

print("--- 檢查原始 Zachary 網路是否為關聯網路 
---
")
try:
    # 嘗試找到節點的兩個集合
    left_original, right_original = bipartite.sets(G)
    print("原始 Zachary 網路被識別為關聯網路。")
    print("左節點:", left_original)
    print("右節點:", right_original)
except NetworkXError as e:
    # 預期結果：原始網路不是關聯網路
    print(f"原始 Zachary 網路不是關聯網路。錯誤訊息: {e}")

print("\n--- 轉換 Zachary 網路為關聯網路 
---
")
# 創建一個新的圖 B，用於表示轉換後的關聯網路
B = nx.Graph()

# 創建代表邊界的節點，並與原節點連接
# 為了讓 NetworkX 自動處理節點的唯一性，我們使用元組 (v, w) 來代表邊界節點
# 這裡我們需要確保邊界的表示是唯一的，例如總是 (較小節點ID, 較大節點ID)
processed_edges = set()
for v, w in G.edges():
    # 確保邊界的表示是規範化的，例如 (min(v,w), max(v,w))
    edge_node_repr = tuple(sorted((v, w)))
    if edge_node_repr not in processed_edges:
        # 添加代表邊界的節點
        # 我們將邊界節點表示為一個元組，例如 (v, w)
        # 為了讓 NetworkX 區分節點和邊界節點，我們可以給邊界節點一個特殊的標記，
        # 或者確保它們的表示方式與原始節點ID不同。
        # 一種簡單的方式是將邊界節點表示為一個包含原節點ID的元組，例如 (v, w)
        # 這裡我們直接使用 (v,w) 作為邊界節點的ID，NetworkX 會自動處理
        # 為了避免重複添加邊界節點，我們使用一個集合來記錄
        processed_edges.add(edge_node_repr)

        # 添加邊界節點
        # 這裡我們將邊界節點的ID設為元組 (v, w)
        # 為了讓 NetworkX 能夠區分原始節點和邊界節點，
        # 我們可以將邊界節點的ID設計成與原始節點ID不同。
        # 一種方法是將邊界節點ID設為一個字串，例如 f"edge_{v}_{w}"
        # 或者，更常見的做法是，將邊界節點本身作為一個新的節點，
        # 然後將原節點與之連接。
        # 在這裡，我們採用一種常見的轉換方式：
        # 創建一個節點代表邊界 (v, w)，然後將 v 和 w 都連接到這個邊界節點。
        # 為了讓邊界節點ID唯一且與原始節點ID不同，我們可以使用一個特殊的前綴，
        # 或者直接使用元組 (v, w) 作為節點ID，只要保證原始節點ID不是元組即可。
        # 這裡我們直接使用元組 (v, w) 作為邊界節點的ID。
        # NetworkX 會自動處理節點的添加。
        # 為了確保邊界節點的表示唯一，我們使用 sorted((v, w))

        # 添加邊界節點 B.add_node(edge_node_repr) # 其實 add_edges_from 會自動添加節點

        # 將原始節點 v 和 w 連接到代表邊界 (v, w) 的節點
        B.add_edge(v, edge_node_repr)
        B.add_edge(w, edge_node_repr)

print(f"轉換後的新網路 B 的節點數: {B.number_of_nodes()}")
print(f"轉換後的新網路 B 的邊界數: {B.number_of_edges()}")

print("\n--- 檢查轉換後的網路 B 是否為關聯網路 
---
")
try:
    # 嘗試找到節點的兩個集合
    # 這裡的 left 和 right 將分別代表原始節點和邊界節點
    left, right = bipartite.sets(B)

    print("轉換後的網路 B 是一個關聯網路。")
    print("左節點 (原始節點):")
    # 為了更清晰地顯示，我們只打印原始節點的ID (非元組)
    original_nodes_in_left = {node for node in left if not isinstance(node, tuple)}
    print(original_nodes_in_left)

    print("\n右節點 (邊界節點):")
    # 打印邊界節點的表示 (元組)
    edge_nodes_in_right = {node for node in right if isinstance(node, tuple)}
    print(edge_nodes_in_right)

    # 驗證節點類型
    print("\n驗證節點類型:")
    for node in left:
        if isinstance(node, tuple):
            print(f"節點 {node} 應為邊界節點，但出現在左集合。")
    for node in right:
        if not isinstance(node, tuple):
            print(f"節點 {node} 應為原始節點，但出現在右集合。")

except NetworkXError as e:
    # 這應該不會發生，因為我們構造的就是一個二分圖
    print(f"轉換後的網路 B 不是關聯網路。錯誤訊息: {e}")
except Exception as e:
    print(f"檢查轉換後的網路時發生錯誤: {e}")

import networkx as nx
from networkx.algorithms import bipartite
from pathlib import Path
import csv # 引入 csv 模組以處理 TSV

# 創建數據目錄路徑 (假設 'data' 目錄存在於當前路徑下)
data_dir = Path('.') / 'data'
bartomeus_file = data_dir / 'bartomeus2008' / 'Bartomeus_Ntw_nceas.txt'

# 創建一個空的圖物件，用於儲存傳粉者網路
B_pollinator = nx.Graph()

print(f"\n--- 載入傳粉者網路數據自: {bartomeus_file} 
---
")
try:
    with open(bartomeus_file, 'r', encoding='utf-8') as f:
        # 使用 csv.reader 處理 TSV 文件，指定分隔符為 tab
        reader = csv.reader(f, delimiter='\t')

        # 假設第一行是標頭，我們需要跳過它
        # 實際數據格式可能不同，需要根據文件內容調整
        header = next(reader)
        print(f"跳過標頭: {header}")

        # 遍歷文件的每一行
        for row in reader:
            # 假設 TSV 文件包含兩列：物種1, 物種2
            # 這裡我們假設第一列是動物物種，第二列是植物物種
            # 實際情況需要根據文件內容確定節點類型
            if len(row) == 2:
                node1 = row[0].strip()
                node2 = row[1].strip()

                # 為了確保 NetworkX 能夠區分節點類型，
                # 我們可以為節點添加屬性，或者在創建圖時就明確節點類型。
                # 在這裡，我們直接添加邊界，NetworkX 會自動創建節點。
                # 後續可以通過檢查節點屬性或使用 bipartite.sets() 來區分類型。
                B_pollinator.add_edge(node1, node2)
            else:
                print(f"警告: 跳過格式不正確的行: {row}")

    print("傳粉者網路數據載入完成。")
    print(f"節點數量: {B_pollinator.number_of_nodes()}")
    print(f"邊界數量: {B_pollinator.number_of_edges()}")

    # 這裡可以選擇性地使用 connected_components() 來處理不連通的節點
    # 例如，獲取最大的連通分量
    # from networkx.algorithms.components import connected_components
    # largest_cc = max(connected_components(B_pollinator), key=len)
    # B_pollinator_lcc = B_pollinator.subgraph(largest_cc)
    # print(f"最大連通分量節點數: {B_pollinator_lcc.number_of_nodes()}")

    # 接下來可以對 B_pollinator (或其子圖) 進行關聯網路的檢查和分析

except FileNotFoundError:
    print(f"錯誤：找不到檔案 '{bartomeus_file}'。請確保檔案存在於正確的路徑。")
except Exception as e:
    print(f"載入傳粉者網路數據時發生錯誤: {e}")