ENZYMES图分类数据集介绍

ENZYMES数据集是在GNN领域是非常经典的数据集，它是一个根据生物分子蛋白质结构而构建的Graph数据集合，总共600个图，也就是对应600个样本（蛋白质分子） ，共有六种结构

这个数据集是一个用于图级分类任务的数据，该数据集中共有 600张图，含有 19580个节点， 174564条边，每个节点的 特征维度为3。

1、读取ENZYMES数据集

在PyG中的 TUDataset 这个包可以导入很多图数据集，如果是第一次导入，需要进行下载，如果是因为网络问题，可以先从其它网站下载到本地，然后再使用该函数进行读取

from torch_geometric.datasets import TUDataset
dataset = TUDataset(root='./data/ENZYMES/', name='ENZYMES')

2、获取数据

data = dataset.data

print(data)
>>>Data(x=[19580, 3], edge_index=[2, 74564], y=[600])

从该结果可以看出这个数据集的节点特征矩阵的维度为【19580，3】，代表这个数据集（600张图一共）有19580个节点，每个节点的特征维度为3，共有74564条边，这些数据并不是一个图的，而是ENZYMES600张图加起来一共的。

3、获取第一张图的属性
如果我们需要获取第一张图，可以通过索引的方式，代码如下：

graph1 = dataset[0]

print(graph1)
>>>Data(edge_index=[2, 168], x=[37, 3], y=[1])

该结果可以看出第一张图，也就是第一个样本共有37个节点，168条边，对应一个类别

5、获取ENZYMES常见属性信息

print(dataset.num_classes)
>>>6

print(dataset.num_edge_attributes)
>>>0

print(dataset.num_edge_features)
>>>0

print(dataset.num_edge_labels)
>>>0

print(dataset.num_features)
>>>3

print(dataset.num_node_attributes)
>>>18

print(dataset.num_node_features)
>>>3

print(dataset.num_node_labels)
>>>3

6、可视化ENZYMES图数据

# 可视化图结构
graph = nx.Graph() # 创建一个空图

edge_index = dataset[0].edge_index # 获取第一张图

source = edge_index[0] # 起点
target = edge_index[1] # 终点

for src, tge in zip(source, target):
    graph.add_edge(src.item(), tge.item())
    
plt.rcParams['figure.dpi'] = 300 # 设置分辨率
fig , ax1 = plt.subplots(figsize=(10,10))

nx.draw_networkx(G=graph , ax=ax1 , font_size=6 , node_size=150)
plt.show()