数据读写与格式转换

与 pandas、NumPy、SciPy 互转

• pandas 边表：nx.from_pandas_edgelist(df, source="protein1", target="protein2", edge_attr=["score"], create_using=nx.Graph)；反向用 nx.to_pandas_edgelist(G)。节点属性可另建一张表，用 nx.set_node_attributes(G, df_nodes.set_index("id")["type"].to_dict(), "type") 写入。
• NumPy 矩阵：A = nx.to_numpy_array(G, nodelist=nodes, weight="weight")。务必显式给出并保存 nodelist：矩阵只靠行列顺序记录节点身份，顺序丢了，矩阵就无法再与基因名或脑区名对应。从矩阵建图用 nx.from_numpy_array(A)，再用 nx.relabel_nodes 把整数编号换回名称。
• SciPy 稀疏矩阵：S = nx.to_scipy_sparse_array(G, nodelist=nodes, format="csr") 返回 SciPy 稀疏数组；无向图的每条边在矩阵中存两次（$(i,j)$ 与 $(j,i)$），所以非零元个数是边数的两倍（自环只存一次）。
• 其他库：igraph 可以用 ig.Graph.from_networkx(G) 与 g.to_networkx() 互转；graph-tool 与 Cytoscape、Gephi 之间最稳妥的交换格式是 GraphML。

读写中的细节

1. 标识符：STRING 的蛋白标识形如“物种编号.Ensembl 蛋白 ID”（人类为 9606.ENSP…），需要映射为基因名才能与其他数据对接；映射常是一对多或多对一，要写明规则并报告映射失败的数目。
2. 数据类型：从 GraphML 读回时节点 id 一律是字符串，原来的整数节点 1 会变成 "1"；与其他数据合并前要统一类型。GraphML 只支持标量属性，列表类属性（例如一个基因所属的多个通路）需要先转成分隔符字符串或改用 JSON。
3. 方向与重复：同一条无向边在边表中可能出现两次（A–B 与 B–A），读入 nx.Graph 会自动合并，读入 nx.DiGraph 则成为两条有向边；STRING 的完整下载文件中每对蛋白就是双向各列一次。
4. 孤立点：边表天然不含孤立点。若研究问题涉及“某些基因在网络中没有任何连接”（例如疾病基因的网络覆盖率），需要另外维护节点全集。