python3 networkx
Posted 温润有方
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了python3 networkx相关的知识，希望对你有一定的参考价值。
一.networkx
1.用于图论和复杂网络
2.官网：http://networkx.github.io/
3.networkx常常结合numpy等数据处理相关的库一起使用，通过matplot来可视化图
二.绘制图
1.创建图
1 import networkx as nx 2 import matplotlib.pyplot as plt 3 4 G=nx.Graph()#创建空图，无向图 5 # G1=nx.DiGraph(e)#创建空图，有向图 6 # G = nx.Graph(name=\'my graph\')#指定图的属性（name） 的值（my graph） 7 G.add_edges_from(([1,2],[2,3],[3,1])) 8 9 e = [(1, 2), (2, 3), (3, 4)] # 边的列表 10 G2 = nx.Graph(e)#根据e来创建图 11 12 F=G.to_directed()#把无向图转换为有向图 13 14 #创建多图，类MultiGraph和类MultiDiGraph允许添加相同的边两次，这两条边可能附带不同的权值 15 # H=nx.MultiGraph(e) 16 H=nx.MultiDiGraph(e) 17 18 plt.subplot(2,2,1) 19 nx.draw(G,with_labels=True) 20 plt.subplot(2,2,2) 21 nx.draw(G2,with_labels=True) 22 plt.subplot(2,2,3) 23 nx.draw(F,with_labels=True) 24 plt.subplot(2,2,4) 25 nx.draw(H,with_labels=True) 26 27 plt.show()
2.无向图
1 import networkx as nx 2 import matplotlib.pyplot as plt 3 4 G=nx.Graph()#创建空图 5 6 #添加节点 7 G.add_node(\'a\') 8 G.add_node(1) #添加单个节点 9 G.add_nodes_from([2,3,4]) #添加一些节点，容器，（可以是list, dict, set，） 10 11 #添加边，如果点不在图中，会自动创建点 12 G.add_edge(1,\'a\',weight=1.2) #添加单条边，连接1，‘a’的边,可以赋予边属性以及他的值 13 G.add_edges_from([(2,3),(3,4)])#添加一些边（列表） 14 G.add_weighted_edges_from([(1,\'a\',0.1),(4,2,0.5)])#给边赋予权重 15 16 #移除边 17 G.remove_edge(2,4) #移除一条边 18 G.remove_edges_from([(3,4),]) #移除一些边 19 20 #移除节点,同时移除他对应的边 21 G.remove_node(1) #移除单个节点 22 G.remove_nodes_from([4,]) #移除一些节点 23 24 #绘图 25 nx.draw(G, # 图 26 pos=nx.circular_layout(G), # 图的布局 27 alpha=0.5, # 图的透明度（默认1.0不透明，0完全透明） 28 29 with_labels=True, # 节点是否带标签 30 font_size=18, # 节点标签字体大小 31 node_size=400, # 指定节点的尺寸大小 32 node_color=\'blue\', # 指定节点的颜色 33 node_shape=\'o\', # 节点的形状 34 35 edge_color=\'r\', # 边的颜色 36 width=0.8, # 边的宽度 37 style=\'solid\', # 边的样式 38 39 ax=None, # Matplotlib Axes对象，可选在指定的Matplotlib轴中绘制图形。 40 ) 41 42 plt.show()
绘图布局
3.有向图和无向图的最大差别在于：有向图中的边是有顺序的，前一个表示开始节点，后一个表示结束节点。
三.图
数据结构
1.图的属性
1 #像color,label,weight或者其他Python对象的属性都可以被设置为graph，node，edge的属性 2 # 每个graph，node，edge都能够包含key/value这样的字典数据 3 import networkx as nx 4 import matplotlib.pyplot as plt 5 6 G=nx.DiGraph([(1,2),(2,3),(3,4),(1,4),(4,2)],name=\'my digraph\',a=\'b\') 7 #创建一个有向图，赋予边，点，权重，以及有向图的属性name的值my digraph 8 9 #属性都可以在定义时赋予,或者通过直接赋值来添加修改 10 #图属性 11 print(G)#图的名称 12 print(G.graph)#图的属性，字典 13 G.graph[\'b\']=19#赋予属性 14 print(G.graph) 15 print(\'#\'*60) 16 17 #节点属性 18 print(\'图的节点：\',G.nodes)#列表 19 print(\'节点个数：\',G.number_of_nodes()) 20 G.add_node(\'b\',time=\'0.2\') 21 print(G.node[\'b\'])#显示单个节点的信息 22 G.node[\'b\'][\'time\']=0.3#修改属性 23 print(G.node[\'b\']) 24 print(\'#\'*60) 25 26 #边属性 27 print(\'图的边：\',G.edges)#列表 28 print (\'边的个数：\',G.number_of_edges()) 29 G.add_edge(\'a\',\'b\',weight=0.6) 30 G.add_edges_from( [ (2,3),(3,4) ], color="red") 31 G.add_edges_from( [(1,2,{"color":"blue"}),(4,5,{"weight":8})]) 32 G[1][2]["width"]=4.7#添加或修改属性 33 print(G.get_edge_data(1, 2))#获取某条边的属性 34 print(\'#\'*60) 35 36 nx.draw(G,pos = nx.circular_layout(G),with_labels=True) 37 38 plt.show 39 -------------------------------------------------------------------------- 40 my digraph 41 {\'name\': \'my digraph\', \'a\': \'b\'} 42 {\'name\': \'my digraph\', \'a\': \'b\', \'b\': 19} 43 ############################################################ 44 图的节点： [1, 2, 3, 4] 45 节点个数： 4 46 {\'time\': \'0.2\'} 47 {\'time\': 0.3} 48 {2: {}, 4: {}} 49 ############################################################ 50 图的边： [(1, 2), (1, 4), (2, 3), (3, 4), (4, 2)] 51 边的个数： 5 52 {\'color\': \'blue\', \'width\': 4.7}
2.边和节点
1 import networkx as nx 2 import matplotlib.pyplot as plt 3 4 G=nx.DiGraph([(1,2,{\'weight\':10}),(2,3),(3,4),(1,4),(4,2)]) 5 6 nx.add_path(G, [0, 4,3])#在图中添加路径 7 8 # 对1节点进行分析 9 print(G.node[1])#节点1的信息 10 G.node[1][\'time\']=1#赋予节点属性 11 print(G.node[1]) 12 print(G[1]) # 1相关的节点的信息,他的邻居和对应的边的属性 13 print(G.degree(1)) # 1节点的度 14 print(\'#\'*60) 15 16 # 对【1】【2】边进行分析 17 print(G[1][2]) # 查看某条边的属性 18 G[1][2][\'weight\'] = 0.4 # 重新设置边的权重 19 print(G[1][2][\'weight\']) # 查看边的权重 20 G[1][2][\'color\'] = \'blue\' # 添加属性 21 print(G[1][2]) 22 23 nx.draw(G,pos = nx.circular_layout(G),with_labels=True) 24 25 plt.show() 26 ------------------------------------------------------------------ 27 {} 28 {\'time\': 1} 29 {2: {\'weight\': 10}, 4: {}} 30 2 31 ############################################################ 32 {\'weight\': 10} 33 0.4 34 {\'weight\': 0.4, \'color\': \'blue\'}
3.有向图
1 import networkx as nx 2 import matplotlib.pyplot as plt 3 4 G=nx.DiGraph([(1,2,{\'weight\':10}),(2,3),(3,4),(1,4),(4,2)]) 5 print(\'#\'*60) 6 print(G.edges)#An OutEdgeView of the DiGraph as G.edges or G.edges(). 7 print(G.out_edges)#An OutEdgeView of the DiGraph as G.edges or G.edges(). 8 print(G.in_edges)#An InEdgeView of the Graph as G.in_edges or G.in_edges() 9 print(\'#\'*60) 10 11 print(G.degree)#图的度 12 print(G.out_degree)#图的出度 13 print(G.in_degree)#图的入度 14 print(\'#\'*60) 15 16 print(G.adj)#Graph adjacency object holding the neighbors of each node 17 print(G.neighbors(2))#节点2的邻居 18 print(G.succ)#Graph adjacency object holding the successors of each node 19 print(G.successors(2))#节点2的后继节点 20 print(G.pred)#Graph adjacency object holding the predecessors of each node 21 print(G.predecessors(2))#节点2的前继节点 22 #以列表形式打印 23 print([n for n in G.neighbors(2)]) 24 print([n for n in G.successors(2)]) 25 print([n for n in G.predecessors(2)]) 26 27 nx.draw(G,pos = nx.circular_layout(G),with_labels=True) 28 29 plt.show() 30 -------------------------------------------------------- 31 ############################################################ 32 [(1, 2), (1, 4), (2, 3), (3, 4), (4, 2)] 33 [(1, 2), (1, 4), (2, 3), (3, 4), (4, 2)] 34 [(1, 2), (4, 2), (2, 3), (3, 4), (1, 4)] 35 ############################################################ 36 [(1, 2), (2, 3), (3, 2), (4, 3)] 37 [(1, 2), (2, 1), (3, 1), (4, 1)] 38 [(1, 0), (2, 2), (3, 1), (4, 2)] 39 ############################################################ 40 {1: {2: {\'weight\': 10}, 4: {}}, 2: {3: {}}, 3: {4: {}}, 4: {2: {}}} 41 <dict_keyiterator object at 0x0DA2BF00> 42 {1: {2: {\'weight\': 10}, 4: {}}, 2: {3: {}}, 3: {4: {}}, 4: {2: {}}} 43 <dict_keyiterator object at 0x0DA2BF00> 44 {1: {}, 2: {1: {\'weight\': 10}, 4: {}}, 3: {2: {}}, 4: {3: {}, 1: {}}} 45 <dict_keyiterator object at 0x0DA2BF00> 46 [3] 47 [3] 48 [1, 4]
4.图的操作
Applying classic graph operations
1 import networkx as nx 2 import matplotlib.pyplot as plt 3 4 G=nx.DiGraph([(1,2,{\'weight\':10}),(2,1,{\'weight\':1}),(2,3),(3,4),(1,4),(4,2)]) 5 G2=nx.DiGraph([(1,\'a\'),(\'a\',\'b\'),(1,4)]) 6 7 H=G.subgraph([1,2,4])#产生关于节点的子图 8 9 G3=nx.compose(H,G2)#结合两个图并表示两者共同的节点 10 11 plt.subplot(221) 12 nx.draw(G,pos = nx.circular_layout(G),with_labels=True,name=\'G\') 13 14 plt.subplot(222) 15 nx.draw(H,pos = nx.circular_layout(G),with_labels=True) 16 17 plt.subplot(223) 18 nx.draw(G2,with_labels=True) 19 20 plt.subplot(224) 21 nx.draw(G3,with_labels=True) 22 23 plt.show()
4.算法
...
四.简单根据数据画图
1 import networkx as nx 2 import matplotlib.pyplot as plt 3 4 #1.导入数据： 5 # networkx支持的直接处理的数据文件格式adjlist/edgelist/gexf/gml/pickle/graphml/json/lead/yaml/graph6/sparse6/pajek/shp/ 6 #根据实际情况，把文件变为gml文件 7 G1 = nx.DiGraph() 8 with open(\'file.txt\') as f: 9 for line in f: 10 cell = line.strip().split(\',\') 11 G1.add_weighted_edges_from([(cell[0],cell[1],cell[2])]) 12 nx.write_gml(G1,\'file.gml\')#写网络G进GML文件 13 14 G=nx.read_gml("file.gml") #读取gml文件 15 # parse_gml(lines[,relael]) 从字符串中解析GML图 16 # generate_gml(G) 以gml格式生成一个简单条目的网络G 17 18 print(G.nodes) 19 print(G.edges) 20 21 #2.在figure上先设置坐标 22 plt.title("图G") 23 plt.ylabel("y") 24 plt.xlabel("x") 25 plt.xlim(-1,1) 26 plt.ylim(-1,1) 27 28 #再在坐标轴里面调节图形大小 29 #整个figure按照X与Y轴横竖来平均切分，以0到1之间的数值来表示 30 #axes([x,y,xs,ys])，如果不设置 31 #其中x代表在X轴的位置，y代表在Y轴的位置，xs代表在X轴上向右延展的范围大小，yx代表在Y轴中向上延展的范围大小 32 plt.axes([0.1, 0.1, 0.8, 0.8]) 33 34 #3.在axes中绘图 35 nx.draw(G,pos = nx.circular_layout(G),with_labels=True,) 36 37 #4.保存图形 38 plt.savefig("file.png")#将图像保存到一个文件 39 40 plt.show() 41 ----------------------------------------------------- 42 [\'6\', \'2\', \'5\', \'1\', \'15\', \'4\', \'3\', \'13\', \'16\', \'10\', \'7\', \'21\', \'20\', \'8\', \'17\', \'23\', \'25\', \'26\', \'28\', \'29\', \'31\', \'32\', \'34\', \'35\', \'36\', \'37\', \'44\', \'39\', \'45\', \'19\', \'46\', \'47\', \'51\', \'52\', \'53\', \'54\', \'41\', \'55\', \'57\', \'61\', \'65\', \'56\', \'66\', \'69\', \'70\', \'71\', \'72\', \'74\', \'75\', \'68\', \'64\', \'76\', \'77\', \'78\', \'60\', \'79\', \'80\', \'81\', \'62\', \'83\', 如何使用 `networkx` 中的 `pos` 参数创建流程图样式的图表？ (Python 3)