Python社交网络——NetworkX入门
特性NetworkX是一个Python包，用于创建、操作和研究复杂网络的结构和功能。用于图、有向图和多重图的数据结构许多标准图数据算法网络结构和分析措施用于生成经典图、随机图和合成网络的生成器节点可以是“任何东西”(例如，文本、图像、XML记录)边可以容纳任意数据(例如，权重，时间序列)无向图
Python代码语言：javascript复制import networkx as nx
import matplotlib.pyplot as plt
# 无向图网络
G1 = nx.Graph()
G1.add_edge('A', 'B')
G1.add_edge('A', 'C')
G1.add_edge('A', 'D')
G1.add_edge('A', 'E')
G1.add_edge('B', 'C')
G1.add_edge('B', 'D')
G1.add_edge('B', 'E')
G1.add_edge('F', 'C')
nx.spring_layout(G1)
nx.draw_networkx(G1)
plt.show()
print('全部节点为：', G1.nodes())
print('全部边为：', G1.edges())
print('全部边数量：', G1.number_of_edges())有向图
Python代码语言：javascript复制# 有向图网络
G2 = nx.DiGraph()
G2.add_edge('A', 'B')
G2.add_edge('A', 'D')
G2.add_edge('C', 'A')
G2.add_edge('D', 'E')
nx.spring_layout(G2)
nx.draw_networkx(G2)
plt.show()加权图
Python代码语言：javascript复制# 加权图网络
G3 = nx.Graph()
G3.add_edge('A', 'B', weight=25)
G3.add_edge('A', 'C', weight=8)
G3.add_edge('A', 'D', weight=11)
G3.add_edge('A', 'E', weight=1)
G3.add_edge('B', 'C', weight=4)
G3.add_edge('B', 'D', weight=7)
G3.add_edge('B', 'E', weight=1)
G3.add_edge('E', 'C', weight=1)
nx.spring_layout(G3)
nx.draw_networkx(G3)
plt.show()某一点到其他点的BFS图代码语言：javascript复制T = nx.bfs_tree(G3, 'A')
nx.draw_networkx(T)
plt.show()自带的Cycle图
Python代码语言：javascript复制G4 = nx.cycle_graph(50)
pos = nx.spring_layout(G4, iterations=200)
nx.draw(G4, pos, node_color=range(50), node_size=500, font_weight='bold', with_labels=True)
plt.show()其他属性
Python代码语言：javascript复制print('G1中A的度数：', nx.degree(G1, 'A'))
print('G1中A的局部聚类系数：', nx.clustering(G1, 'A'))
print('G1中两个点的最短路径：', nx.shortest_path(G1, 'A', 'F'))
print('G3中两个点的最短路径长度：', nx.shortest_path_length(G3, 'D', 'E'))
print('G1的节点离心度：', nx.eccentricity(G1))实例
Python代码语言：javascript复制# 导入带权图
G = nx.Graph()
G.add_edges_from([('a', 'b', {'weight': 0.6}),
('a', 'c', {'weight': 0.2}),
('a', 'd', {'weight': 0.1}),
('c', 'e', {'weight': 0.7})])
# 对不同权重进行处理，取得相应权重的点集列表，比如weight>0.5的点集列表为[('a', 'b'), ('c', 'e')]
elarge = [(u, v) for (u, v, d) in G.edges(data=True) if d['weight'] > 0.5]
esmall = [(u, v) for (u, v, d) in G.edges(data=True) if d['weight'] <= 0.5]
node1 = ['a', 'b']
node2 = ['c', 'd', 'e']
edge = {(u, v): d['weight'] for (u, v, d) in G.edges(data=True) if d['weight'] > 0.5} # 加权处理
# 必须设定一个统一的布局，保证下面分步绘制的图的统一性，而且分步绘制时pos是一个必须参数
pos = nx.spring_layout(G)
# 分步绘制完整的图
# (1)绘制点，必须参数（G，pos）,还可以指定点集（列表或optional）（默认全点集），形状，大小，透明度，等
nx.draw_networkx_nodes(G, pos=pos, nodelist=node1) # > 0.5
nx.draw_networkx_nodes(G, pos=pos, nodelist=node2, node_shape='*', node_color='r', node_size=700)
# (2)绘制边，必须参数（G，pos, 还可以指定边集（边的元组集合(列表)）（默认全边集），形状，大小，透明度，等
nx.draw_networkx_edges(G, pos=pos, edgelist=elarge)
nx.draw_networkx_edges(G, pos=pos, edgelist=esmall, edge_color='b', style='dashed', width=3)
# (3)绘制部分节点的标签，必须参数（G，pos），还可以指定点集（字典(值)或optional）（默认全点集），形状，大小，透明度，等
nx.draw_networkx_labels(G, pos=pos, labels={'a': 'a', 'b':'b', 'c': 'c', 'd': 'd', 'e': 'e'}, font_size=18, font_color='b', font_family='sans-serif')
# (4)绘制边的标签，必须参数（G，pos）,还可以指定边集（字典：键是边的元组，值是边的某个属性值）（默认全边集），形状，大小，透明度，等
# 根据字典，通过键给边添加值的标签，{('a', 'b'): 0.6, ('c', 'e'): 0.7}
nx.draw_networkx_edge_labels(G, pos=pos, edge_labels=edge, font_size=7, font_color='black', font_family='sans-serif')
# 显示
plt.axis('off')
plt.show()实例来自：https://www.cnblogs.com/yu-liang/p/9117643.html所有代码
Python代码语言：javascript复制import networkx as nx
import matplotlib.pyplot as plt
# 无向图网络
G1 = nx.Graph()
G1.add_edge('A', 'B')
G1.add_edge('A', 'C')
G1.add_edge('A', 'D')
G1.add_edge('A', 'E')
G1.add_edge('B', 'C')
G1.add_edge('B', 'D')
G1.add_edge('B', 'E')
G1.add_edge('F', 'C')
nx.spring_layout(G1)
nx.draw_networkx(G1)
plt.show()
print('全部节点为：', G1.nodes())
print('全部边为：', G1.edges())
print('全部边数量：', G1.number_of_edges())
# 有向图网络
G2 = nx.DiGraph()
G2.add_edge('A', 'B')
G2.add_edge('A', 'D')
G2.add_edge('C', 'A')
G2.add_edge('D', 'E')
nx.spring_layout(G2)
nx.draw_networkx(G2)
plt.show()
# 加权图网络
G3 = nx.Graph()
G3.add_edge('A', 'B', weight=25)
G3.add_edge('A', 'C', weight=8)
G3.add_edge('A', 'D', weight=11)
G3.add_edge('A', 'E', weight=1)
G3.add_edge('B', 'C', weight=4)
G3.add_edge('B', 'D', weight=7)
G3.add_edge('B', 'E', weight=1)
G3.add_edge('E', 'C', weight=1)
nx.spring_layout(G3)
nx.draw_networkx(G3)
plt.show()
# 某一点到其他点的BFS图
T = nx.bfs_tree(G3, 'A')
nx.draw_networkx(T)
plt.show()
# 自带的Cycle图
G4 = nx.cycle_graph(50)
pos = nx.spring_layout(G4, iterations=200)
nx.draw(G4, pos, node_color=range(50), node_size=500, font_weight='bold', with_labels=True)
plt.show()
print('G1中A的度数：', nx.degree(G1, 'A'))
print('G1中A的局部聚类系数：', nx.clustering(G1, 'A'))
print('G1中两个点的最短路径：', nx.shortest_path(G1, 'A', 'F'))
print('G3中两个点的最短路径长度：', nx.shortest_path_length(G3, 'D', 'E'))
print('G1的节点离心度：', nx.eccentricity(G1))
# 导入带权图
G = nx.Graph()
G.add_edges_from([('a', 'b', {'weight': 0.6}),
('a', 'c', {'weight': 0.2}),
('a', 'd', {'weight': 0.1}),
('c', 'e', {'weight': 0.7})])
# 对不同权重进行处理，取得相应权重的点集列表，比如weight>0.5的点集列表为[('a', 'b'), ('c', 'e')]
elarge = [(u, v) for (u, v, d) in G.edges(data=True) if d['weight'] > 0.5]
esmall = [(u, v) for (u, v, d) in G.edges(data=True) if d['weight'] <= 0.5]
node1 = ['a', 'b']
node2 = ['c', 'd', 'e']
edge = {(u, v): d['weight'] for (u, v, d) in G.edges(data=True) if d['weight'] > 0.5} # 加权处理
# 必须设定一个统一的布局，保证下面分步绘制的图的统一性，而且分步绘制时pos是一个必须参数
pos = nx.spring_layout(G)
# 分步绘制完整的图
# (1)绘制点，必须参数（G，pos）,还可以指定点集（列表或optional）（默认全点集），形状，大小，透明度，等
nx.draw_networkx_nodes(G, pos=pos, nodelist=node1) # > 0.5
nx.draw_networkx_nodes(G, pos=pos, nodelist=node2, node_shape='*', node_color='r', node_size=700)
# (2)绘制边，必须参数（G，pos, 还可以指定边集（边的元组集合(列表)）（默认全边集），形状，大小，透明度，等
nx.draw_networkx_edges(G, pos=pos, edgelist=elarge)
nx.draw_networkx_edges(G, pos=pos, edgelist=esmall, edge_color='b', style='dashed', width=3)
# (3)绘制部分节点的标签，必须参数（G，pos），还可以指定点集（字典(值)或optional）（默认全点集），形状，大小，透明度，等
nx.draw_networkx_labels(G, pos=pos, labels={'a': 'a', 'b':'b', 'c': 'c', 'd': 'd', 'e': 'e'}, font_size=18, font_color='b', font_family='sans-serif')
# (4)绘制边的标签，必须参数（G，pos）,还可以指定边集（字典：键是边的元组，值是边的某个属性值）（默认全边集），形状，大小，透明度，等
# 根据字典，通过键给边添加值的标签，{('a', 'b'): 0.6, ('c', 'e'): 0.7}
nx.draw_networkx_edge_labels(G, pos=pos, edge_labels=edge, font_size=7, font_color='black', font_family='sans-serif')
# 显示
plt.axis('off')
plt.show()
