Stanford Snap.py for Python学习记录（一）

本文主要用来生成Goh无标度网络的数据集，并进行可视化展示，本来是用Matlab一起联合调用的，但是无奈我的matlab总是莫名其妙地崩溃，所以就用数据集的方式了。

1.如何下载安装

目前已经出到了2020年发布的6.0版本，下载安装使用的话可以直接在anaconda的命令行窗口里面输入：

#确保您的Windows操作系统是64位，Python是64位版本。
pip install snap-stanford

或者手动下载相应的包，把snap.py 和 _snap.so (or _snap.pyd) 放到你的工作目录下面就可以使用了。

Snap.py是独立的，其基本功能不需要任何其他软件包。 但是，它需要外部程序包来支持绘图和可视化功能。 如果要在Snap.py中使用绘图和可视化，除了Snap.py之外，还需要安装以下软件包：

• Gnuplot用于绘制网络的结构特性（例如度分布）
• Graphviz用于绘制和可视化小图

通过设置系统PATH变量，以便Gnuplot和Graphviz可用，或将其可执行文件放在工作目录中。

顺便吐槽一下：这个pyd文件比较烦人，打不开里面的内容，不支持反编译，所以他们写的代码具体是怎么实现的就搞不明白，老外真谨慎，一是怕你看到代码里面的内容，二是怕你看到了去乱改最后用不了了哈哈。

2.生成指定幂指数的无标度网络模型

import snap
GenRndPowerLaw(Nodes, PowerExp, ConfModel=True, Rnd=TRnd)

生成幂指数度分布且幂为PowerExp的随机无标度网络。 该方法使用“配置”模型（快速但结果是近似的）或“边缘重新布线”方法（缓慢但精确的）。

参数说明

• Nodes：节点个数，int型
• PowerExp：指定的幂指数，float型，必须大于1
• ConfModel：配置模型，bool型，默认为True

返回值

无向的随机无标度网络

示例

import snap

UGraph1 = snap.GenRndPowerLaw (9, 10)
for NI in UGraph1.Nodes():
    print("node: %d, out-degree %d, in-degree %d" % (NI.GetId(), NI.GetOutDeg(), NI.GetInDeg()))

UGraph2 = snap.GenRndPowerLaw (5, 2, False)
for NI in UGraph2.Nodes():
    print("node: %d, out-degree %d, in-degree %d" % (NI.GetId(), NI.GetOutDeg(), NI.GetInDeg()))

3.画图

基于Graphviz的配置太麻烦，我就没有用，而且时间比较紧当时用的时候也没有心思去下载外部软件（因为它不是简单的python tool），所以使用了另外的手段，这里仅作为参考，不喜勿喷！

Python生成数据集

#生成100个节点数为300，幂指数为1.5的无标度网络
import snap

def BAA(Num,gamma):
    return snap.GenRndPowerLaw(Num,gamma)
    
if __name__ == '__main__':
    Num_of_Nodes = 300
    Gamma = 1.5
    for i in range(1,101):
        filename = 'C:\\Users\\Yu\\300_1.5\\test_' + str(i) +'.txt'
        G = BAA(Num_of_Nodes, Gamma)
        snap.SaveEdgeList(G, filename)

Matlab读取数据

for i=1:100
    filename = strcat('C:\Users\Yu\300_1.5\test_',num2str(i),'.txt');
    d=textread(filename,'','headerlines',3);%跳过第3行开始读数据
    s=[];t=[];
    for i=1:length(d)
        s=[s,d(i,1)+1];
        t=[t,d(i,2)+1];
    end
    g = graph(s,t);
    figure
    plot(g)
end

可视化示例