NetworkX基础教程：图论与复杂网络分析

图分类  ：

• Graph：简单图这个类实现了一个无向图。它忽略两个节点之间的多条边。它允许节点和自身之间的自循环边。
• DiGraph ：有向图，也就是有向边的图。提供有向图(图的子类)的常见操作
• MultiGraph：多维图，一个灵活的图类，允许节点对之间有多个无向边。额外的灵活性会导致性能上的一些下降，尽管通常并不显著。
• MultiDiGraph：多维度有向图

创建简单的空图：

import networkx as nximport matplotlib.pyplot as pltG = nx.Graph()#创建空图

nodes：graph的节点

• 添加节点：

G.add_node(5)#添加一个节点G.add_nodes_from([6,7])#添加一个节点列表

#从任何一个可以迭代的节点容器里添加G = nx.Graph()H = nx.path_graph(20)#H 是一个有5个节点的链状图，就是首尾相连的图G.add_nodes_from(H)nx.draw(G)plt.show()

   h = nx  .path_graph(10)

   g.add_nodes_from( h)  #添加一个能够迭代的 集合  (例如：list, set, graph, file等等)，这样g中包含了h中的元素

#从set集合里添加G =nx.Graph()t = set("Hello")#set不可以重复G.add_nodes_from(t)# 添加一个能够迭代的集合(例如：list, set, graph, file等等)，这样g中包含了h中的元素nx.draw(G)plt.show()

• 删除节点：

#做删除操作#1节点的删除G.remove_node(1)G.remove_nodes_from([5,6])

• 注意事项：
     

edges

• 添加边：

#可以通过一个一个添加或者是元组，列表G = nx.Graph()G.add_edge(1,2)G.add_edges_from([(1,3),(3,4)])H=nx.path_graph(6)G.add_edges_from(H.edges())nx.draw(G)plt.show()

• 
• 删除边：
• #边的删除G.remove_edge(11,22)e = [(33, 44),(55,66)]G.remove_edges_from(e)#全删除#G.clear()一键获取完整项目代码

查询边、节点

G = nx.Graph()G.add_nodes_from([1,2,3,4])G.add_edges_from(([(1,2),(1,3),(5,6),('a','b'),(11,22),(33,44),(55,66)]))nx.draw(G)plt.show()print('节点个数是:',G.number_of_nodes())print("*"*30)print('边的个数是:',G.number_of_edges())print("*"*30)print("节点分别是：",G.nodes())print('*'*30)print('边有那些:',G.edges())

节点个数是: 14******************************边的个数是: 7******************************节点分别是： [1, 2, 3, 4, 5, 6, 'a', 'b', 11, 22, 33, 44, 55, 66]******************************边有那些: [(1, 2), (1, 3), (5, 6), ('a', 'b'), (11, 22), (33, 44), (55, 66)]

属性

• 图属性

#每个图、节点和边都可以在相关的属性字典中保存键/值属性对(键必须是可哈希的)。

   #默认情况下，它们是空的，但是可以使用add_edge、

   #add_node或分别对名为graph、node和edge的属性字典进行直接操作来添加或更改它们

G = nx.Graph(day='friday')G.graph

{'day': 'friday'}

• 节点属性
• #为节点添加属性G.add_node(1,time='5pm')G.add_nodes_from([3],time='2pm')print(G.node[1])print('*'*30)print(G.node[3])G.node[1]['rome'] = 110#此方法是在节点已经存在的情况下使用的print('*'*30)print(G.node[1])一键获取完整项目代码 {'time': '5pm', 'rome': 110}******************************{'time': '2pm'}******************************{'time': '5pm', 'rome': 110}一键获取完整项目代码html
• 边属性
• #为边添加权重和边的一些属性G.add_edge(1, 2,weight=4.5)G.add_edges_from([(3, 4),(4, 5)], color ='red')G.add_edges_from([(1, 2,{'color': 'blue'}), (2, 3,{'weight': 8})])G[1][2]['weight'] = 4.7#G.edges[1, 2]['weight'] = 4#方法不可用了不知道为啥nx.draw(G)plt.showG.graphprint(G.nodes())print(G.edges())print("*"*30)print(list(G.nodes(data=True)))一键获取完整项目代码 [1, 2, 3, 4, 0, 5] [(1, 2), (1, 3), (1, 0), (2, 3), (3, 4), (4, 5)]

     ******************************

    [(1, {}), (2, {}), (3, {}), (4, {}), (0, {}), (5, {})]

​#加权图G = nx.Graph()G.add_node(0)G.add_node(1,weight = 2)G.add_node(2,weight = 4)#dict(G.nodes(data='weight', default=1))dict(G.nodes(data='weight'))#以字典返回 ​

{0: {}, 1: {'weight': 2}, 2: {'weight': 4}}

#查看节点属性list(G.nodes(data=True))

[(1, {'time': '5pm', 'rome': 110}), (3, {'time': '2pm'}), (2, {}), (4, {}), (5, {})]

#查看边属性list(G.edges(data=True))

[(1, 2, {'weight': 4.7, 'color': 'blue'}),

(3, 4, {'color': 'red'}),

(3, 2, {'weight': 8}),

(4, 5, {'color': 'red'})]

# 计算 节点长度

   len(G)

• 遍历边和节点

G = nx.path_graph(4)G.has_edge(0,1)#判断边是否有

True

G.get_edge_data('a','b',default = 0)# edge not in graph return 0

0

#遍历边的情况G = nx.Graph()G.add_edge('a','b',weight=7)G['a']#求有节点a 的边

{'b': {'weight': 7}}

• G.size():返回两种情况1 ：边的和，2 ：权重的和

G =nx.Graph()G.add_edge('a','b',weight = 2)G.add_edge('b','c',weight = 4) print(G.size())print(G.size(weight='weight'))

2

6.0

• 一些拷贝的问题

有G.copy和G.deepcopy问题

#Graph.copy 浅拷贝G = nx.path_graph(5)H = G.copy()print(H.edges())#H = G.copy(as_view = False)print(H.edges())H = nx.Graph(G)H = G.__class__(G)print(H.edges())

#将无向图复制为有向图G = nx.Graph()G.add_edge(0, 1)H = G.to_directed()print(list(H.edges()))print(list(G.nodes()))

[(0, 1), (1, 0)]

[0, 1]

#有向图的复制情况G = nx.DiGraph()G.add_edge(0, 1)H = G.to_directed()list(H.edges())

[(0, 1)]

• 子图

G = nx.path_graph(4)H = G.subgraph([0, 1, 2])list(H.edges())

[(0, 1), (1, 2)]

• 图形绘画：

#图形G = nx.cubical_graph()plt.subplot(122)nx.drawnx.draw(G,pos = nx.circular_layout(G),nodecolor = 'r',edge_color = 'b')

• DiGraph ：有向图，也就是有向边的图。提供有向图(图的子类)的常见操作

     DiGraph类针对有向edge提供了另外的方法，例如：out_edges(), in_degree(),predecessors(),successors()等。为了是算法能够正常运行，有向版本的neighbors()和degree()对于seccessor()方法是相同的。in_degree()和out_degree()都是独自的。

• 度（无权无向图的节点的度是与该节点的相连接的节点的个数；加权图的节点的度是度是与该节点相连的节点的权重的和；出度，入度，相应的理解下）

G = nx.DiGraph()G.add_weighted_edges_from([(1,2,0.5),(2,3,1.5)])print(G.out_degree(2,weight="weight"))#出度print(G.degree(2,weight='weight'))#print(G.seccessors(1))print(G.neighbors(1))

1.5

2.0

[2]

注：一些算法只对有向grapsh起作用，其他算法没有明确定义。同时使用有向graph和无向graph是非常危险的事情。如果想将有向graph 转换 为无向graph可以使用

Graph.to_undirected()#orh = nx.Graph(G)

Multigraphs：多维图

  NetworkX提供了类来实现一对node之间存在多个edge的实现类：MultiGraph和MultiDiGraph，他们都允许使用的edge数据添加多个的edge。对于某些应这个特性非常有用，但是很多算法在这种graph中并没有明确定义。

MG = nx.MultiGraph()MG.add_weighted_edges_from([(1,2,0.5),(2,3,2.0),(2,4,3.3)])#直接添加节点和权重print(MG.degree(weight='weight'))

{1: 0.5, 2: 5.8, 3: 2.0, 4: 3.3}

最短路径长度#a-b最短的路径

GG=nx.Graph()for n,nbrs in MG.adjacency_iter():    for nbr,edict in nbrs.items():        minvalue=min([d['weight'] for d in edict.values()])        GG.add_edge(n,nbr, weight = minvalue)

print(nx.shortest_path(GG,1,3))

[1, 2, 3]


免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删