图形结构含有不同属性（个数不同，名称不同），如何批量转换为邻接矩阵和特征矩阵代码

假设我们有一个包含多个图形结构的列表`graphs`，每个图形结构都有节点和边，节点包含不同的属性。我们可以使用以下Python代码将这些图形结构批量转换为邻接矩阵和特征矩阵：

import networkx as nx
import numpy as np

# 定义一个函数，用于将单个图形结构转换为邻接矩阵和特征矩阵
def graph_to_matrix(graph):
    # 获取邻接矩阵和特征矩阵
    adj_matrix = nx.adjacency_matrix(graph).toarray()
    feature_matrix = np.array([list(node.values()) for node in graph.nodes(data=True)])

    return adj_matrix, feature_matrix

# 定义一个函数，用于批量转换多个图形结构为邻接矩阵和特征矩阵
def graphs_to_matrices(graphs):
    adj_matrices = []
    feature_matrices = []

    for graph in graphs:
        adj_matrix, feature_matrix = graph_to_matrix(graph)
        adj_matrices.append(adj_matrix)
        feature_matrices.append(feature_matrix)

    return adj_matrices, feature_matrices

使用以上代码，我们可以将一个包含多个图形结构的列表`graphs`批量转换为邻接矩阵和特征矩阵。其中，`graph_to_matrix()`函数用于将单个图形结构转换为邻接矩阵和特征矩阵，`graphs_to_matrices()`函数用于批量转换多个图形结构为邻接矩阵和特征矩阵。