networkx学习与使用——（1）节点和边的增删查改

简介

去年和师兄一起做社交网络分析的时候发现了networkx这个python工具包。这个工具包对于图数据的分析非常的方便，不需要自己再去定义一些数据结构，里面也集成了很多的算法，如bfs和dfs等。
使用的环境主要是Anaconda3集成的。

基本的图创建

在学习的过程中和大多数Python的工具包一样，代码实例和使用手册一起食用会更香哦。

networkx官网地址：https://networkx.org/

图的生成

在数据结构中，图是一种多对多逻辑的数据结构。以往说的图大多是不含自环和重边的图，按方向主要区分为有向图和无向图。但现实中的图数据是更为复杂的数据，例如知识图谱就是一个有向重边图。

networkx对此也非常人性化的对此以区分。下面是四种图的构造：

import networkx as nx               #载入networkx包
import matplotlib.pyplot as plt     #用于画图

G1 = nx.Graph()                     #无向图
G2 = nx.DiGraph()                   #有向图
G3 = nx.MultiGraph()                #重边图
G4 = nx.MultiDiGraph()              #有向重边图

我们生成了四种不同的图，它们现在没有边，没有节点。

print(G1.number_of_nodes(), G1.number_of_nodes())

输出结果

0 0

添加节点和边

主要使用以下函数进行添加

# 添加一个节点，可以添加任意数据类型
G1.add_node(1)
# 添加一些节点，传入一个列表
G1.add_nodes_from([2,3])
# 添加一条边，若边中的节点不在图中将会自动添加节点
# 如节点3已在图中，但节点4不在图中，节点4会被自动添加
G1.add_edge(3,4)
# 同理，添加一些边
G1.add_edges_from([(1,3),(3,5)])

将上述代码的add改为remove就能把添加改为删除，

# G1.remove_node(1)
# G1.remove_nodes_from([2,3])
# G1.remove_edge(3,4)
# G1.remove_edges_from([(1,3),(3,5)])

我们可以用以下方式查看一下graph生成的结果

# 查看节点
print(G1.nodes())

out: 
[1, 2, 3, 4, 5]

# 查看边
print(G1.edges())

out: 
[(1, 3), (3, 4), (3, 5)]

# 指定节点查看
print(G1[1])
print(G1[2])

out:
{3: {}}
{}

可以看到1和3有连边，2没有任何的连边

# 指定边查看
print(G1[1][3])
print(G1.has_edge(1,2))
print(G1.has_node(2))

out:
{}
False
True

这里1和2并没有边，直接索引会报错
索引1和3的边输出空字典，这是因为边没有任何属性
使用has_edge函数检测边是否存在
使用has_node函数检测节点是否存在

画图

简单的画图
我们可以看到，仅有一个点没有与其他点连接，根据代码可以推测出，节点2是没有与其他点连接的，并且可以看到节点3与其他点都进行了连接。

nx.draw(G1)

稍微复杂点的画图

# 为每个节点打上标签
labels={}
for node in G1.nodes():
    labels[node]=str(node)

# 生成节点位置信息 
pos=nx.kamada_kawai_layout(G1) 
# 设置画布大小
plt.rcParams['figure.figsize']= (6, 4)
# 画节点
nx.draw_networkx_nodes(G1,pos) 
# 画边
nx.draw_networkx_edges(G1,pos) 
# 画标签 
nx.draw_networkx_labels(G1,pos,labels) 

# 画坐标轴的选项

# plt.axis('on') 
# 去掉坐标刻度 
# plt.xticks([]) 
# plt.yticks([]) 

# 保存并显示图片
plt.savefig("temp.png")
plt.show()

我们将同样的代码使用在G2上会得到下图，重边图稍微有点复杂，之后会结合知识图谱的数据来结合使用。

完整代码资源

networkx学习（1）

参考

networkx官网地址：https://networkx.org/