python - 在大数据上计算node_centrality和edge_centrality的性能问题

Question

我的本​​地 Osm 文件包含德国的过滤数据(通过 OSMFilter 过滤)，并且仅包含以下高速公路

1. 高速公路
2. motorway_link
3. 树干
4. trunk_link
5. 主要
6. primary_link
7. 次要
8. 辅助链接
9. 高等教育
10. tertiary_link
11. 住宅
12. 生活街

我正在尝试简化图表并提取重要信息以进一步最小化我的道路网络。我已按照以下步骤操作

1. G3 = ox.simplify_graph(G, strict=True)
2. G3 = ox.add_edge_lengths(G3);
3. G3 = ox.remove_isolated_nodes(G3);
4. node_centrality = nx.closeness_centrality(G3)
5. nx.set_node_attributes(G3, node_centrality, 'node_centrality')
6. edge_centrality = nx.closeness_centrality(nx.line_graph(G3))
7. nx.set_edge_attributes(G3，edge_centrality，'edge_centrality')
8. ox.save_load.save_graphml(G3,..,..,..)

它已经等了一整天才能看到 GraphML 中的输出，但没有看到任何进展。 。 我认为edge_centrality和edge_centrality是高计算函数，但是我如何将这些函数用于我的数据？

Answer 1

哪个具体步骤导致了较长的运行时间？当 networkx 计算这些度量时，考虑到算法时间复杂度的性质，对于大型网络(例如整个德国的网络)，它们将不可避免地变慢。如果networkx是瓶颈，考虑转换为graph-tool并在那里运行算法。