python复杂网络分析库NetworkX.docx
《python复杂网络分析库NetworkX.docx》由会员分享，可在线阅读，更多相关《python复杂网络分析库NetworkX.docx（16页珍藏版）》请在冰豆网上搜索。
python复杂网络分析库NetworkX
python复杂网络分析库NetworkX
阅读目录
无向图
有向图
加权图
经典图论算法计算
强连通、弱连通
子图
条件过滤
pred，succ
NetworkX是一个用Python语言开发的图论与复杂网络建模工具，内置了常用的图与复杂网络分析算法，可以方便的进行复杂网络数据分析、仿真建模等工作。
networkx支持创建简单无向图、有向图和多重图（multigraph）；内置许多标准的图论算法，节点可为任意数据；支持任意的边值维度，功能丰富，简单易用。
引入模块
importnetworkxasnx
printnx
回到顶部
无向图
例1：
#!
-*-coding:
utf8-*-
importnetworkxasnximportmatplotlib.pyplotasplt
print"numberofedges:
",G.number_of_edges（）#输出边的数量：
1nx.draw（G）plt.savefig（"wuxiangtu.png"）
plt.show（）
输出
1
nodes:
[1,2,3]
2
edges:
[（2,3）]
3
numberofedges:
1
例2：
#-*-coding:
utf8-*-
#加点#加点集合
#加环
#加边集合
importnetworkxasnximportmatplotlib.pyplotaspltG=nx.DiGraph（）G.add_node
（1）G.add_node
（2）G.add_nodes_from（[3,4,5,6]）G.add_cycle（[1,2,3,4]）G.add_edge（1,3）G.add_edges_from（[（3,5）,（3,6）,（6,7）]）nx.draw（G）plt.savefig（"youxiangtu.png"）plt.show（）
回到顶部有向图例1：
#!
-*-coding:
utf8-*-
importnetworkxasnx
importmatplotlib.pyplotasplt
G=nx.DiGraph（）
G.add_node
（1）
G.add_node
（2）
G.add_nodes_from（[3,4,5,6]）
G.add_cycle（[1,2,3,4]）G.add_edge（1,3）
G.add_edges_from（[（3,5）,（3,6）,（6,7）]）nx.draw（G）
plt.savefig（"youxiangtu.png"）
plt.show（）
注：
有向图和无向图可以互相转换，使用函数：
Graph.to_undirected（）
Graph.to_directed（）
例2，例子中把有向图转化为无向图：
#!
-*-coding:
utf8-*-importnetworkxasnximportmatplotlib.pyplotasplt
G=nx.DiGraph（）
G.add_node
（1）
G.add_node
（2）
G.add_nodes_from（[3,4,5,6]）
G.add_cycle（[1,2,3,4]）
G.add_edge（1,3）
G.add_edges_from（[（3,5）,（3,6）,（6,7）]）
G=G.to_undirected（）
nx.draw（G）
plt.savefig（"wuxiangtu.png"）
plt.show（）
注意区分以下2例
例3-1
#-*-coding:
utf8-*-
importnetworkxasnx
importmatplotlib.pyplotasplt
G=nx.DiGraph（）
road_nodes={'a':
1,'b':
2,'c':
3}#road_nodes={'a':
{1:
1},'b':
{2:
2},'c':
{3:
3}}road_edges=[（'a','b'）,（'b','c'）]
G.add_nodes_from（road_nodes.iteritems（））G.add_edges_from（road_edges）
nx.draw（G）
plt.savefig（"youxiangtu.png"）plt.show（）
例3-2
#-*-coding:
utf8-*-
importnetworkxasnx
importmatplotlib.pyplotasplt
G=nx.DiGraph（）
#road_nodes={'a':
1,'b':
2,'c':
3}road_nodes={'a':
{1:
1},'b':
{2:
2},'c':
{3:
3}}road_edges=[（'a','b'）,（'b','c'）]
G.add_nodes_from（road_nodes.iteritems（））G.add_edges_from（road_edges）
nx.draw（G）
plt.savefig（"youxiangtu.png"）
plt.show（）
回到顶部
edges_from，它接w是权重。
#建立一个空的无
#添加一条边2-3
加权图
有向图和无向图都可以给边赋予权重，用到的方法是add_weighted受1个或多个三元组[u,v,w]作为参数，其中u是起点，v是终点，例1：
#!
-*-coding:
utf8-*-importnetworkxasnx
importmatplotlib.pyplotasplt
G=nx.Graph（）向图GG.add_edge（2,3）（隐含着添加了两个节点2、3）G.add_weighted_edges_from（[（3,4,3.5）,（3,5,7.0）]）#对于无向图，边3-2与边2-3被认为是一条边
printG.get_edge_data（2,3）
printG.get_edge_data（3,4）
printG.get_edge_data（3,5）nx.draw（G）
plt.savefig（"wuxiangtu.png"）plt.show（）
输出
{}
{'weight':
3.5}
回到顶部
经典图论算法计算
计算1：
求无向图的任意两点间的最短路径
#-*-coding:
cp936-*-importnetworkxasnximportmatplotlib.pyplotasplt#计算1：
求无向图的任意两点间的最短路径
G=nx.Graph（）
G.add_edges_from（[（1,2）,（1,3）,（1,4）,（1,5）,（4,5）,（4,6）,（5,6）]）
path=nx.all_pairs_shortest_path（G）
printpath[1]
计算2：
找图中两个点的最短路径
importnetworkxasnx
G=nx.Graph（）
G.add_nodes_from（[1,2,3,4]）
G.add_edge（1,2）
G.add_edge（3,4）
try:
n=nx.shortest_path_length（G,1,4）
printn
exceptnx.NetworkXNoPath:
print'Nopath'
回到顶部强连通、弱连通
强连通：
有向图中任意两点v1、v2间存在v1到v2的路径（path）及v2到v1的路径。
弱联通：
将有向图的所有的有向边替换为无向边，所得到的图称为原图的基图。
如果
一个有向图的基图是连通图，则有向图是弱连通图。
距离
例1：
弱连通
#-*-coding:
utf8-*-
importnetworkxasnx
importmatplotlib.pyplotasplt
#G=nx.path_graph（4,create_using=nx.Graph（））
#0123
G=nx.path_graph（4,create_using=nx.DiGraph（））#默认生成节点012
3，生成有向变0->1,1->2,2->3
G.add_path（[7,8,3]）#生成有向边：
7->8->3
forcinnx.weakly_connected_components（G）:
printc
print[len（c）forcinsorted（nx.weakly_connected_components（G）,key=len,reverse=True）]
nx.draw（G）
plt.savefig（"youxiangtu.png"）
plt.show（）
执行结果
set（[0,1,2,3,7,8]）
[6]
例2：
强连通
#-*-coding:
utf8-*-
importnetworkxasnximportmatplotlib.pyplotasplt
#G=nx.path_graph（4,create_using=nx.Graph（））
#0123
G=nx.path_graph（4,create_using=nx.DiGraph（））G.add_path（[3,8,1]）
#forcinnx.strongly_connected_components（G）:
#printc
#
#print[len（c）forcinsorted（nx.strongly_connected_components（G）,key=len,reverse=True）]
con=nx.strongly_connected_components（G）printcon
printtype（con）
printlist（con）
nx.draw（G）
plt.savefig（"youxiangtu.png"）
plt.show（）
执行结果
[set（[8,1,2,3]）,set（[0]）]
回到顶部子图
#-*-coding:
utf8-*-
importnetworkxasnx
importmatplotlib.pyplotasplt
G=nx.DiGraph（）
G.add_path（[5,6,7,8]）
sub_graph=G.subgraph（[5,6,8]）
#sub_graph=G.subgraph（（5,6,8））#ok一样
nx.draw（sub_graph）
plt.savefig（"youxiangtu.png"）plt.show（）
回到顶部条件过滤
#原图
#-*-coding:
utf8-*-
importnetworkxasnx
importmatplotlib.pyplotasplt
G=nx.DiGraph（）road_nodes={'a':
{'id':
1},'b':
{'id':
1},'c':
{'id':
3},'d':
{'id':
4}}road_edges=[（'a','b'）,（'a','c'）,（'a','d'）,（'b','d'）]
G.add_nodes_from（road_nodes）
G.add_edges_from（road_edges）nx.draw（G）
plt.savefig（"youxiangtu.png"）plt.show（）
#过滤函数
#-*-coding:
utf8-*-importnetworkxasnx
importmatplotlib.pyplotasplt
G=nx.DiGraph（）
defflt_func_draw（）:
flt_func=lambdad:
d['id']!
=1
returnflt_func
road_nodes={'a':
{'id':
1},'b':
{'id':
1},'c':
{'id':
3},'d':
{'id':
4}}road_edges=[（'a','b'）,（'a','c'）,（'a','d'）,（'b','d'）]
G.add_nodes_from（road_nodes.iteritems（））G.add_edges_from（road_edges）
flt_func=flt_func_draw（）
part_G=G.subgraph（nforn,dinG.nodes_iter（data=True）ifflt_func（d））nx.draw（part_G）
plt.savefig（"youxiangtu.png"）
plt.show（）
回到顶部
pred，succ
#-*-coding:
utf8-*-
importnetworkxasnx
importmatplotlib.pyplotasplt
G=nx.DiGraph（）
road_nodes={'a':
{'id':
1},'b':
{'id':
1},'c':
{'id':
3}}
road_edges=[（'a','b'）,（'a','c'）,（'c','d'）]
G.add_nodes_from（road_nodes.iteritems（））
G.add_edges_from（road_edges）
printG.nodes（）
printG.edges（）
print
"a'spred"
G.pred[
'a']
print
"b'spred"
G.pred[
'b']
print
"c'spred"
G.pred[
'c']
print
"d'spred"
G.pred[
'd']
print
"a'ssucc"
G.succ[
'a']
print
"b'ssucc"
G.succ[
'b'
]
print
"c'ssucc"
G.succ[
'c'
]
print
"d'ssucc"
G.succ[
'd'
]
nx.draw（G）
plt.savefig（"wuxiangtu.png"）plt.draw（）
结果
1
['a',
'c','b','d']
2
[（'a',
'c'）,（'a','b'）,（'c',
'd'）]
3
4
a'spred
{}
5
b'spred
{'a':
{}}
6
c'spred
{'a':
{}}
7
d'spred
{'c':
{}}
8
9
a'ssucc
{'c':
{},'b':
{}}
10
b'ssucc
{}
11
c'ssucc
{'d':
{}}
12
d'ssucc
{}
升级会员 