networkx学习记录

程序员小菜鸡_

于 2022-11-14 19:53:08 发布

阅读量599

点赞数 1

分类专栏：程序设计文章标签： python

本文链接：https://blog.csdn.net/qq_41422448/article/details/127849152

版权

程序设计专栏收录该内容

5 篇文章 1 订阅

订阅专栏

本文详细介绍了如何使用Python的NetworkX库创建和操作图形，包括创建图表、添加和删除节点与边、检查图的元素、使用图构造函数、访问边和邻居、向图元素添加属性，以及有向图的处理。此外，还展示了如何绘制图形并提供了多个示例代码。

摘要由CSDN通过智能技术生成

networkx学习记录

networkx学习记录

networkx学习记录

1. 创建图表

创建一个空图

import networkx as nx
G = nx.Graph()

此时如果报以下错误：
在这里插入图片描述则注意文件名不能是：networkx.py，修改文件名就好了。

2. 节点

图G的增长可以通过添加节点来实现

添加节点方式一：添加一个节点，节点名为100（注意不是添加了100个节点）

G.add_node(100)

添加节点方式二：

G.add_nodes_from([2, 3])

添加节点方式三：合并其他图节点

H = nx.path_graph(10)
G.add_nodes_from(H)

G 现在包含 H 的节点作为 G 的节点（节点编号从0开始，到9结束）。
相比之下，您可以将图形 H用作G中的节点。

G.add_node(H)

图G现在包含H作为一个节点。图G现在包含H作为一个节点。这种灵活性非常强大，因为它允许图形图形、文件图形、函数图形等等。

简单示例：
在这里插入图片描述

3. 边

也可以通过添加边来实现

可以通过add_edge()一次添加一条边：指定的参数就是边所连接的两个节点

G.add_edge(1, 2)

也可以通过元组的方式添加：

e = (2, 3)
G.add_edge(*e)  # unpack edge tuple*

简单示例：
在这里插入图片描述

或者通过列表方式，同时添加多条边

G.add_edges_from([(1, 2), (1, 3)])

简单示例：注意看对比
在这里插入图片描述

通过字符串添加

G.add_edges_from([(1, 2), (1, 3)])
G.add_node(1)
G.add_edge(1, 2)
G.add_node("spam")        # adds node "spam"
G.add_nodes_from("spam")  # adds 4 nodes: 's', 'p', 'a', 'm'
G.add_edge(3, 'm')

在这里插入图片描述

补充：G.clear()会清除所有节点和边

4.检查图的元素

G.number_of_nodes()：图G中结点的数量
G.number_of_edges()：图G中边的数量
G.nodes()：图G中的节点的情况
G.edges()：图G中边的情况
G.adj()：某一结点的邻接节点情况
G.degree()：节点的度
在这里插入图片描述
G.edges()、G.degree()可以添加参数，具体的示例如下：

print(G.edges([1, 'm']))
print(G.degree([1, 'm']))

5.从图中删除元素

可以以与添加类似的方式从图中删除节点和边。
使用方法：Graph.remove_node(),Graph.remove_nodes_from(),Graph.remove_edge()和Graph.remove_edges_from()，例如：

G.remove_node(2)
G.remove_nodes_from("spam")
list(G.nodes)
G.remove_edge(1, 3)

6.使用图构造函数

图形对象不必增量构建 - 数据指定图结构可以直接传递给各种构造函数图类。
通过实例化其中一个图来创建图结构时类，可以指定多种格式的数据。

import networkx as nx

G = nx.Graph()
G.add_edge(1, 2)
H = nx.DiGraph(G)  # create a DiGraph using the connections from G
print("edges:",list(H.edges()))
edgelist = [(0, 1), (1, 2), (2, 3)]
H = nx.Graph(edgelist)  # create a graph from an edge list
print("edges:",list(H.edges()))
adjacency_dict = {0: (1, 2), 1: (0, 2), 2: (0, 1)}
H = nx.Graph(adjacency_dict)  # create a Graph dict mapping nodes to nbrs
print("edges:",list(H.edges()))

在这里插入图片描述

7.访问边和邻居

除了视图G.edges和G.adj，使用下标符号可以访问边和邻居：

G = nx.Graph([(1, 2, {"color": "yellow"})])
G[1]  # same as G.adj[1]
G[1][2]
G.edges[1, 2]

在这里插入图片描述
如果边存在，还可以使用下标符号获取/设置边的属性：

G.add_edge(1, 3)
G[1][3]['color'] = "blue"
G.edges[1, 2]['color'] = "red"
G.edges[1, 2]

所有（节点，邻接）对的快速检查是使用G.adjacency() 或 G.adj.items()。请注意，对于无向图，邻接迭代会看到每条边两次。

G = nx.Graph()
G.add_weighted_edges_from([(1, 2, 0.125), (1, 3, 0.75), (2, 4, 1.2), (3, 4, 0.375)])
for n, nbrs in G.adj.items():
    for nbr, eattr in nbrs.items():
        wt = eattr['weight']
        if wt < 0.5: print(f"({n}, {nbr}, {wt:.3})")

在这里插入图片描述
使用 edge 属性可以方便地访问所有边:


G = nx.Graph()
G.add_weighted_edges_from([(1, 2, 0.125), (1, 3, 0.75), (2, 4, 1.2), (3, 4, 0.375)])
for n, nbrs in G.adj.items():
    for nbr, eattr in nbrs.items():
        wt = eattr['weight']
        # if wt < 0.5: print(f"({n}, {nbr}, {wt:.3})")
for (u, v, wt) in G.edges.data('weight'):
    if wt < 0.5:
        print(f"({u}, {v}, {wt:.3})")

在这里插入图片描述

8.向图、节点和边添加属性

诸如权重、标签、颜色或任何您喜欢的 Python 对象之类的属性，可以附加到图、节点或边。

每个图、节点和边都可以在关联的属性字典（键必须是可散列的）。默认情况下，这些是空的，但是可以使用 add_edge、add_node 或直接添加或更改属性操作名为“G.graph”、“G.nodes”和图形“G”的“G.edges”。

图形属性
创建新图形时分配图形属性：

G = nx.Graph(day="Friday")
G.graph

修改属性：

G.graph['day'] = "Monday"
G.graph

节点属性
使用 add_node()、add_nodes_from() 或 G.nodes 添加节点属性：

G.add_node(1, time='5pm')
G.add_nodes_from([3], time='2pm')
G.nodes[1]
G.nodes[1]['room'] = 714
G.nodes.data()

在这里插入图片描述

注意：请注意，将节点添加到 G.nodes 不会将其添加到图形中，请使用G.add_node() 添加新节点。缘也是如此。

边缘属性
使用 add_edge()、add_edges_from() 或下标符号添加/更改边属性:

G.add_edge(1, 2, weight=4.7 )
G.add_edges_from([(3, 4), (4, 5)], color='red')
G.add_edges_from([(1, 2, {'color': 'blue'}), (2, 3, {'weight': 8})])
G[1][2]['weight'] = 4.7
G.edges[3, 4]['weight'] = 4.2

特殊属性 weight 应该是数字，因为它被使用需要加权边的算法。

9.有向图

DiGraph 类提供特定的附加方法和属性到有向边，例如：DiGraph.out_edges、DiGraph.in_degree、DiGraph.predecessors、DiGraph.successors 等。
为了让算法能够轻松地处理这两个类，有向版本的neighbors 等价于successors， degree 等价于in_degree 和 out_degree 。

DG = nx.DiGraph()
DG.add_weighted_edges_from([(1, 2, 0.5), (3, 1, 0.75)])
DG.out_degree(1, weight='weight')
DG.degree(1, weight='weight')
print(list(DG.successors(3)))
print(list(DG.neighbors(1)))

在这里插入图片描述

10. 绘制图形

G = nx.petersen_graph()
subax1 = plt.subplot(121)
nx.draw(G, with_labels=True, font_weight='bold')
subax2 = plt.subplot(122)
nx.draw_shell(G, nlist=[range(5, 10), range(5)], with_labels=True, font_weight='normal')

plt.show()