Python社交网络——NetworkX入门

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()

T = nx.bfs_tree(G3, 'A') nx.draw_networkx(T) plt.show()

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()

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()