将scipy稀疏coo矩阵转换为networkx-graph并返回不会产生原始矩阵

Question

我正在对大量的细胞仪数据进行数据分析，我正在尝试图形聚类。在我摆弄的某个时候，我用coo格式制作了一个杂乱的稀疏矩阵，将其转换为networkx图形，然后再次将其还原。在

data.shape

（20000，32）

20000个项目（细胞），32个维度（生物分子丰度）

^{pr2}$

<；20000x2000类型的稀疏矩阵 以坐标格式存储600000个元素>

在搜索30个邻居时，20000个节点和600000条边符合预期

#Build undirected weighted nx graph
nxgraph = nx.Graph(knn)
nxgraph.number_of_edges()

468258个

较少的边数，但不是一半

#Back to coo
cooafter = nx.to_scipy_sparse_matrix(nxgraph, format='coo')
cooafter

<；20000x2000类型的稀疏矩阵 以坐标格式存储936516个元素>

测试边数加倍

也许我对这些数据结构了解不够，这种行为完全符合逻辑。但是，我希望转换成networkx图并返回到相同的图中，有人能解释为什么coo和coafter的边数不一样吗？在