mindspore.dataset.Graph

class mindspore.dataset.Graph(edges, node_feat=None, edge_feat=None, graph_feat=None, node_type=None, edge_type=None, num_parallel_workers=None, working_mode='local', hostname='127.0.0.1', port=50051, num_client=1, auto_shutdown=True)[源代码]

主要用于存储图的结构信息和图特征属性，并提供图采样等能力。

该接口支持输入表示节点、边及其特征的NumPy数组，来进行图初始化。如果 working_mode 是默认的 local 模式，则不需要指定 working_mode、hostname、port、num_client、auto_shutdown 等输入参数。

参数：

edges (Union[list, numpy.ndarray]) - 以COO格式表示的边，shape为 [2, num_edges]。
node_feat (dict, 可选) - 节点的特征，输入数据格式应该是dict，其中key表示特征的类型，用字符串表示，比如 ‘weight’ 等；value应该是shape为 [num_nodes, num_node_features] 的NumPy数组。
edge_feat (dict, 可选) - 边的特征，输入数据格式应该是dict，其中key表示特征的类型，用字符串表示，比如 ‘weight’ 等；value应该是shape为 [num_edges, num_edge_features] 的NumPy数组。
graph_feat (dict, 可选) - 附加特征，不能分配给 node_feat 或者 edge_feat，输入数据格式应该是dict，key是特征的类型，用字符串表示; value应该是NumPy数组，其shape可以不受限制。
node_type (Union[list, numpy.ndarray], 可选) - 节点的类型，每个元素都是字符串，表示每个节点的类型。如果未提供，则每个节点的默认类型为“0”。
edge_type (Union[list, numpy.ndarray], 可选) - 边的类型，每个元素都是字符串，表示每条边的类型。如果未提供，则每条边的默认类型为“0”。
num_parallel_workers (int, 可选) - 读取数据的工作线程数。默认值：None，使用全局默认线程数(8)，也可以通过 mindspore.dataset.config.set_num_parallel_workers 配置全局线程数。
working_mode (str, 可选) - 设置工作模式，目前支持 ‘local’/’client’/’server’。默认值：’local’。
- local：用于非分布式训练场景。
- client：用于分布式训练场景。客户端不加载数据，而是从服务器获取数据。
- server：用于分布式训练场景。服务器加载数据并可供客户端使用。
hostname (str, 可选) - 图数据集服务器的主机名。该参数仅在工作模式设置为 ‘client’ 或 ‘server’ 时有效。默认值：’127.0.0.1’。
port (int, 可选) - 图数据服务器的端口，取值范围为1024-65535。此参数仅当工作模式设置为 ‘client’ 或 ‘server’ 时有效。默认值：50051。
num_client (int, 可选) - 期望连接到服务器的最大客户端数。服务器将根据该参数分配资源。该参数仅在工作模式设置为 ‘server’ 时有效。默认值：1。
auto_shutdown (bool, 可选) - 当工作模式设置为 ‘server’ 时有效。当连接的客户端数量达到 num_client ，且没有客户端正在连接时，服务器将自动退出。默认值：True。

异常：

TypeError - 如果 edges 不是list或NumPy array类型。
TypeError - 如果提供了 node_feat 但不是dict类型, 或者dict中的key不是string类型, 或者dict中的value不是NumPy array类型。
TypeError - 如果提供了 edge_feat 但不是dict类型, 或者dict中的key不是string类型, 或者dict中的value不是NumPy array类型。
TypeError - 如果提供了 graph_feat 但不是dict类型, 或者dict中的key不是string类型, 或者dict中的value不是NumPy array类型。
TypeError - 如果提供了 node_type 但不是list或NumPy array类型。
TypeError - 如果提供了 edge_type 但不是list或 NumPy array类型。
ValueError - num_parallel_workers 参数超过系统最大线程数。
ValueError - working_mode 参数取值不为 ‘local’, ‘client’ 或 ‘server’。
TypeError - hostname 参数类型错误。
ValueError - port 参数不在范围[1024, 65535]内。
ValueError - num_client 参数不在范围[1, 255]内。

样例：

>>> import numpy as np
>>> from mindspore.dataset import Graph
>>>
>>> # 1) Only provide edges for creating graph, as this is the only required input parameter
>>> edges = np.array([[1, 2], [0, 1]], dtype=np.int32)
>>> graph = Graph(edges)
>>> graph_info = graph.graph_info()
>>>
>>> # 2) Setting node_feat and edge_feat for corresponding node and edge
>>> #    first dimension of feature shape should be corresponding node num or edge num.
>>> edges = np.array([[1, 2], [0, 1]], dtype=np.int32)
>>> node_feat = {"node_feature_1": np.array([[0], [1], [2]], dtype=np.int32)}
>>> edge_feat = {"edge_feature_1": np.array([[1, 2], [3, 4]], dtype=np.int32)}
>>> graph = Graph(edges, node_feat, edge_feat)
>>>
>>> # 3) Setting graph feature for graph, there is no shape limit for graph feature
>>> edges = np.array([[1, 2], [0, 1]], dtype=np.int32)
>>> graph_feature = {"graph_feature_1": np.array([1, 2, 3, 4, 5, 6], dtype=np.int32)}
>>> graph = Graph(edges, graph_feat=graph_feature)

get_all_edges(edge_type)[源代码]

获取图的所有边。

参数：

edge_type (str) - 指定边的类型。默认值：’0’。

返回：

numpy.ndarray，包含边的数组。

异常：

TypeError - 参数 edge_type 的类型不是string类型。

样例：

>>> edges = graph.get_all_edges(edge_type="0")

get_all_neighbors(node_list, neighbor_type, output_format=OutputFormat.NORMAL)[源代码]

获取 node_list 所有节点的相邻节点，以 neighbor_type 类型返回。格式的定义参见以下示例。1表示两个节点之间连接，0表示不连接。

邻接矩阵
	0	1	2	3
0	0	1	0	0
1	0	0	1	0
2	1	0	0	1
3	1	0	0	0

普通格式
src	0	1	2	3
dst_0	1	2	0	1
dst_1	-1	-1	3	-1

COO格式
src	0	1	2	2	3
dst	1	2	0	3	1

CSR格式
offsetTable	0	1	2	4
dstTable	1	2	0	3	1

参数：

node_list (Union[list, numpy.ndarray]) - 给定的节点列表。
neighbor_type (str) - 指定相邻节点的类型。
output_format (OutputFormat, 可选) - 输出存储格式。默认值：OutputFormat.NORMAL，取值范围：[OutputFormat.NORMAL, OutputFormat.COO, OutputFormat.CSR]。

返回：

对于普通格式或COO格式，将返回numpy.ndarray类型的数组表示相邻节点。如果指定了CSR格式，将返回两个numpy.ndarray数组，第一个表示偏移表，第二个表示相邻节点。

异常：

TypeError - 参数 node_list 的类型不为列表或numpy.ndarray。
TypeError - 参数 neighbor_type 的类型不是string类型。

样例：

>>> from mindspore.dataset.engine import OutputFormat
>>> nodes = graph.get_all_nodes(node_type="0")
>>> neighbors = graph.get_all_neighbors(node_list=nodes, neighbor_type="0")
>>> neighbors_coo = graph.get_all_neighbors(node_list=nodes, neighbor_type="0",
...                                         output_format=OutputFormat.COO)
>>> offset_table, neighbors_csr = graph.get_all_neighbors(node_list=nodes, neighbor_type="0",
...                                                       output_format=OutputFormat.CSR)

get_all_nodes(node_type)[源代码]

获取图中的所有节点。

参数：

node_type (str) - 指定节点的类型。默认值：’0’。

返回：

numpy.ndarray，包含节点的数组。

异常：

TypeError - 参数 node_type 的类型不是string类型。

样例：

>>> nodes = graph.get_all_nodes(node_type="0")

get_edge_feature(edge_list, feature_types)[源代码]

获取 edge_list 列表中边的特征，以 feature_types 类型返回。

参数：

edge_list (Union[list, numpy.ndarray]) - 包含边的列表。
feature_types (Union[list, numpy.ndarray]) - 包含给定特征类型的列表，列表中每个元素是string类型。

返回：

numpy.ndarray，包含特征的数组。

异常：

TypeError - 参数 edge_list 的类型不为列表或numpy.ndarray。
TypeError - 参数 feature_types 的类型不为列表或numpy.ndarray。

样例：

>>> edges = graph.get_all_edges(edge_type="0")
>>> features = graph.get_edge_feature(edge_list=edges, feature_types=["edge_feature_1"])

get_edges_from_nodes(node_list)

从节点获取边。

参数：

node_list (Union[list[tuple], numpy.ndarray]) - 含一个或多个图节点ID对的列表。

返回：

numpy.ndarray，含一个或多个边ID的数组。

异常：

TypeError - 参数 edge_list 的类型不为列表或numpy.ndarray。

样例：

>>> edges = graph_data.get_edges_from_nodes(node_list=[(101, 201), (103, 207)])

get_graph_feature(feature_types)[源代码]

依据给定的 feature_types 获取存储在Graph中对应的特征。

参数：

feature_types (Union[list, numpy.ndarray]) - 包含给定特征类型的列表，列表中每个元素是string类型。

返回：

numpy.ndarray，包含特征的数组。

异常：

TypeError - 参数 feature_types 的类型不为列表或numpy.ndarray。

样例：

>>> features = graph.get_graph_feature(feature_types=['graph_feature_1'])

get_neg_sampled_neighbors(node_list, neg_neighbor_num, neg_neighbor_type)[源代码]

获取 node_list 列表中节所有点的负样本相邻节点，以 neg_neighbor_type 类型返回。

参数：

node_list (Union[list, numpy.ndarray]) - 包含节点的列表。
neg_neighbor_num (int) - 采样的相邻节点数量。
neg_neighbor_type (str) - 指定负样本相邻节点的类型。

返回：

numpy.ndarray，包含相邻节点的数组。

异常：

TypeError - 参数 node_list 的类型不为列表或numpy.ndarray。
TypeError - 参数 neg_neighbor_num 的类型不为整型。
TypeError - 参数 neg_neighbor_type 的类型不是string类型。

样例：

>>> nodes = graph.get_all_nodes(node_type="0")
>>> neg_neighbors = graph.get_neg_sampled_neighbors(node_list=nodes, neg_neighbor_num=3,
...                                                 neg_neighbor_type="0")

get_node_feature(node_list, feature_types)[源代码]

获取 node_list 中节点的特征，以 feature_types 类型返回。

参数：

node_list (Union[list, numpy.ndarray]) - 包含节点的列表。
feature_types (Union[list, numpy.ndarray]) - 指定特征的类型，类型列表中每个元素应该是string类型。

返回：

numpy.ndarray，包含特征的数组。

异常：

TypeError - 参数 node_list 的类型不为列表或numpy.ndarray。
TypeError - 参数 feature_types 的类型不为列表或numpy.ndarray。

样例：

>>> nodes = graph.get_all_nodes(node_type="0")
>>> features = graph.get_node_feature(node_list=nodes, feature_types=["node_feature_1"])

get_nodes_from_edges(edge_list)

从图中的边获取节点。

参数：

edge_list (Union[list, numpy.ndarray]) - 包含边的列表。

返回：

numpy.ndarray，包含节点的数组。

异常：

TypeError - 参数 edge_list 不为列表或ndarray。

样例：

>>> from mindspore.dataset import GraphData
>>>
>>> g = ds.GraphData("/path/to/testdata", 1)
>>> edges = g.get_all_edges(0)
>>> nodes = g.get_nodes_from_edges(edges)

get_sampled_neighbors(node_list, neighbor_nums, neighbor_types, strategy=SamplingStrategy.RANDOM)[源代码]

获取已采样相邻节点信息。此API支持多跳相邻节点采样。即将上一次采样结果作为下一跳采样的输入。最多允许6跳。采样结果平铺成列表，格式为[input node, 1-hop sampling result, 2-hop samling result …]。

参数：

node_list (Union[list, numpy.ndarray]) - 包含节点的列表。
neighbor_nums (Union[list, numpy.ndarray]) - 每跳采样的相邻节点数。
neighbor_types (Union[list, numpy.ndarray]) - 每跳采样的相邻节点类型，列表或数组中每个元素都应该是字符串类型。
strategy (SamplingStrategy, 可选) - 采样策略。默认值：SamplingStrategy.RANDOM。取值范围：[SamplingStrategy.RANDOM, SamplingStrategy.EDGE_WEIGHT]。
- SamplingStrategy.RANDOM：随机抽样，带放回采样。
- SamplingStrategy.EDGE_WEIGHT：以边缘权重为概率进行采样。

返回：

numpy.ndarray，包含相邻节点的数组。

异常：

TypeError - 参数 node_list 的类型不为列表或numpy.ndarray。
TypeError - 参数 neighbor_nums 的类型不为列表或numpy.ndarray。
TypeError - 参数 neighbor_types 的类型不为列表或numpy.ndarray。

样例：

>>> nodes = graph.get_all_nodes(node_type="0")
>>> neighbors = graph.get_sampled_neighbors(node_list=nodes, neighbor_nums=[2, 2],
...                                         neighbor_types=["0", "0"])

graph_info()[源代码]

获取图的元信息，包括节点数、节点类型、节点特征信息、边数、边类型、边特征信息。

返回：: dict，图的元信息。键为 node_num 、 node_type 、 node_feature_type 、 edge_num 、 edge_type 、edge_feature_type 和 graph_feature_type。

random_walk(target_nodes, meta_path, step_home_param=1.0, step_away_param=1.0, default_node=- 1)

在节点中的随机游走。

参数：

target_nodes (list[int]) - 随机游走中的起始节点列表。
meta_path (list[int]) - 每个步长的节点类型。
step_home_param (float, 可选) - 返回 node2vec算法中的超参。默认值：1.0。
step_away_param (float, 可选) - node2vec算法中的in和out超参。默认值：1.0。
default_node (int, 可选) - 如果找不到更多相邻节点，则为默认节点。默认值：-1，表示不给定节点。

返回：

numpy.ndarray，包含节点的数组。

异常：

TypeError - 参数 target_nodes 的类型不为列表或numpy.ndarray。
TypeError - 参数 meta_path 的类型不为列表或numpy.ndarray。

样例：

>>> nodes = graph_data.get_all_nodes(node_type=1)
>>> walks = graph_data.random_walk(target_nodes=nodes, meta_path=[2, 1, 2])