Python基于networkx实现有向图、无向图、无向多重图

原创

于 2025-06-19 09:55:11 发布 · 843 阅读

16 ·

CC 4.0 BY-SA版权

文章标签：

#python #开发语言 #数据分析 #图论

该文章已生成可运行项目，

文章目录

1. networkx 介绍
2. networkx 的核心功能
3. 各种图类型Python代码实现

最近在做东西时学到了厉害的库——networkx ，记录一下。感受是有些厉害的东西不是因为你不会，而是你对他没有认知，不要胆怯，不要畏惧，不会都是正常的，扩大接触，持续学习，终有一日会连点成面。

学习过程中看到的一些文章
networkx,一个超强的Python库!

1. networkx 介绍

NetworkX是一个用Python语言开发的图论与复杂网络建模分析工具。用于创建、操作和研究复杂网络的结构、动力学和功能，它可以帮助我们创建、操作和研究复杂网络的结构和动态特性。

🎯 networkx 的核心优势在于：

易用性: 纯Python，API直观，学习成本低。
灵活性: 节点/边可以是任意对象并携带丰富属性，支持多种图类型。
丰富性:提供海量的内置图算法和分析工具。
互操作性: 与Python数据科学生态（Pandas, NumPy,SciPy）和多种文件格式无缝集成。
社区: 开源免费，社区庞大活跃，文档优秀。

2. networkx 的核心功能

图的创建与操作:

轻松创建空图、有向图、无向图、多重图（允许节点间有多条边）等。
添加/删除节点和边。
为节点和边添加任意属性（如权重、标签、颜色、大小等）。
高效的图结构操作（合并图、子图提取、图转换等）。

图结构分析:

节点分析: 计算度（连接的边数）、邻居节点、中心性度量（度中心性、接近中心性、中介中心性、特征向量中心性等）。
**边分析:**查询边的存在、属性。
图整体分析: 计算图的密度、直径、平均路径长度、连通分量、聚类系数、同构检查等。
**路径与搜索:*寻找最短路径（Dijkstra, A）、所有简单路径、连通分量、最小生成树等。
**图算法:**实现了大量经典图算法（遍历如DFS/BFS、流计算、社区检测算法如Louvain、Girvan-Newman等、图嵌入、链接预测等）。

图的输入/输出:

支持多种文件格式读写图数据（如GraphML, GML, GEXF, Pajek NET, JSON, Edge List等）。
方便地与Pandas DataFrame、NumPy数组、SciPy稀疏矩阵等数据结构进行转换。

图的绘制与可视化 (基础功能):

提供使用matplotlib进行基本绘图的接口。
可以设置节点位置、颜色、大小、标签以及边的样式、宽度、颜色等。
注意：对于高度定制化或交互式可视化，通常结合专门的库如matplotlib, pygraphviz, graph-tool, plotly, bokeh或Gephi（通过文件导出）使用。

3. 各种图类型Python代码实现

在这里插入图片描述

3.1 有向无环图(Directed acyclic graph, DAG)

指一个没有环的有向图。

def plot_DiGraph(edges, title="有向无环图", node_color='skyblue', figsize=(4, 3), seed=42):
    """
    绘制有向无环图

    参数:
        edges (list of tuples): 因果边，形如 [('A', 'B'), ('B', 'C')]
        title (str): 图标题
        node_color (str): 节点颜色
        figsize (tuple): 图像大小
        seed (int): 随机种子，控制布局稳定性

    返回:
        networkx.DiGraph: 构建的有向图对象
    """
    DAG = nx.DiGraph()
    DAG.add_edges_from(edges)
    plt.figure(figsize=figsize)
    pos = nx.spring_layout(DAG, seed=seed)
    nx.draw(DAG, pos, with_labels=True, node_color=node_color,
            node_size=2000, edge_color='gray', font_size=10)
    plt.title(title)
    plt.show()

    return DAG

edges_0 = [
    ('A', 'B'),
    ('C', 'B'),
    ('C', 'D'),
    ('B', 'D'),
    ('A', 'C'),
    ('D', 'A'),
]
DAG = plot_DiGraph(edges_0, title="有向无环图（DAG）")
edges_df = pd.DataFrame(DAG.edges(), columns=["Source", "Target"])
edges_df

在这里插入图片描述

3.2 无向图

核心特性

无向性：所有边都没有方向，连接是双向的 (A, B) 等价于 (B, A) 表示对称关系（如好友关系、合作网络）
简单图：不允许自环（节点不能连接自身）相同节点间最多只有一条边（无多重边）
灵活性：节点可以是任意可哈希对象（字符串、数字、元组、自定义对象等）边可以携带任意属性字典

Python代码示例

def plot_Graph(nodes,edges, title="无向图", seed=18):
    """
    绘制无向图

    参数:
        nodes ：节点，添加指定节点
        edges (list of tuples): 边，形如 [('A', 'B'), ('B', 'C')]
        title (str): 图标题
        node_color (str): 节点颜色
        figsize (tuple): 图像大小
        seed (int): 随机种子，控制布局稳定性

    返回:
        networkx.Graph: 构建的无向图对象
    """
    G = nx.Graph()
    G.add_nodes_from