【DGL系列】remove_nodes从graph中删除节点

原创

小锋学长生活大爆炸

发布于 2024-08-17 14:06:37

930

发布于 2024-08-17 14:06:37

文章被收录于专栏：图神经网络

转载请注明出处：小锋学长生活大爆炸[xfxuezhagn.cn] 如果本文帮助到了你，欢迎[点赞、收藏、关注]哦~

背景说明

从graph中删除节点在dgl中提供了两种形式：

dgl.remove_nodes：返回新的graph
dgl.DGLGraph.remove_nodes：直接在原来的graph上操作

他们的用法类似，入口参数也相似。

dgl.remove_nodes

dgl.remove_nodes — DGL 2.3 documentation

函数说明：

删除指定的节点并返回一个新graph。同时删除相应的特征，从节点相连的边也将被移除。删除后，DGL 会使用 ID 从 0 开始的剩余节点和边重新标记。

函数定义：

dgl.remove_nodes(g, nids, ntype=None, store_ids=False)

参数说明：

g (DGLGraph) – 要删除的graph。
nids (int， Tensor， iterable[int]） - 要删除的节点。
ntype (str，可选） - 要删除的节点的类型。如果图中只有一种节点类型，则可以省略。
store_ids (bool，可选） – 如果为 True，它将在结果图的 ndata 和 edata 中存储提取的节点和边的原始 ID，分别名为 dgl.NID 和 dgl.EID。

注意事项：

此函数将丢弃批处理信息。请使用 dgl.DGLGraph.set_batch_num_nodes 和 dgl.DGLGraph.set_batch_num_edges 来维护信息。

当设置 store_ids=True 时，DGL 会在图的内部存储被删除的节点 ID。这在需要后续访问这些节点 ID 时特别有用。

代码示例：

import dgl
import torch

# 定义图的边
src_nodes = torch.tensor([0, 1, 2, 3, 4])  # 起始节点
dst_nodes = torch.tensor([1, 2, 3, 4, 5])  # 结束节点
# 创建图对象
g = dgl.graph((src_nodes, dst_nodes))
# 图是无向的，所以添加反向边
g = dgl.to_bidirected(g)

print("删除前的图：", g)
print("删除前的节点IDs：", g.nodes())

# 删除节点 2
new_g = dgl.remove_nodes(g, torch.tensor([2]))
print("删除后的图：", new_g)
print("删除后，新的节点IDs：", new_g.nodes())

print("#" * 50 )

# 删除节点 2，存储删除的节点 ID
new_g = dgl.remove_nodes(g, torch.tensor([2]), store_ids=True)
print("删除后的图：", new_g)
print("删除后，新的节点IDs：", new_g.nodes())
print("删除后，保留的原始节点IDs：", new_g.ndata[dgl.NID])

dgl.DGLGraph.remove_nodes

dgl.DGLGraph.remove_nodes — DGL 2.3 documentation

函数说明：

删除具有指定节点类型的多个节点，连接到节点的边也将被移除。删除节点和边后，将使用从 0 开始的连续整数重新索引其余节点和边，并保留它们的相对顺序。已删除节点/边缘的特征将相应地移除。

函数定义：

DGLGraph.remove_nodes(nids, ntype=None, store_ids=False)

参数说明：

nids （int， tensor， numpy.ndarray， list） - 要删除的节点。
ntype （str，可选） - 要删除的节点的类型。如果图中只有一种节点类型，则可以省略。
store_ids （bool，可选） – 如果为 True，它将在结果图的 ndata 和 edata 中存储提取的节点和边的原始 ID，分别名为 dgl.NID 和 dgl.EID。

注意事项：

此函数保留批处理信息。

当设置 store_ids=True 时，DGL 会在图的内部存储被删除的节点 ID。这在需要后续访问这些节点 ID 时特别有用。

代码示例：

import dgl
import torch

# 定义图的边
src_nodes = torch.tensor([0, 1, 2, 3, 4])  # 起始节点
dst_nodes = torch.tensor([1, 2, 3, 4, 5])  # 结束节点
# 创建图对象
g = dgl.graph((src_nodes, dst_nodes))
# 图是无向的，所以添加反向边
g = dgl.to_bidirected(g)

print("删除前的图：", g)
print("删除前的节点IDs：", g.nodes())

# 删除节点 2
g.remove_nodes(torch.tensor([2]))
print("删除后的图：", g)
print("删除后，新的节点IDs：", g.nodes())

print("#" * 50 )

# 删除节点 2，存储删除的节点 ID
g = dgl.graph((src_nodes, dst_nodes))
g = dgl.to_bidirected(g)
g.remove_nodes(torch.tensor([2]), store_ids=True)
print("删除后的图：", g)
print("删除后，新的节点IDs：", g.nodes())
print("删除后，保留的原始节点IDs：", g.ndata[dgl.NID])