networkx库与基本函数

提醒

• 当用draw_shell（G）画图时,节点命名不能再nlist之外。
• G.adj已经是个元组了，只能G.adj[1]

要点

• 先掌握建立节点、建立连接、绘制图的方法。
• 调出交互界面需要用到Matplotlib的plt.show()
• Nodes必须为可哈希对象，我对可哈希的理解是不可以拓展地址范围的对象，如int、float

0.前言

• 学习自：Networkx Analyze in python
• 使用版本：NetworkX2.6 & Python 3.9
• 以下可在Jupyter中执行，这里下载。

1.初始化个图

import matplotlib.pyplot as plt

import networkx as nx

G = nx.Graph() 

2.创建Nodes

• 单体建立、群体建立、建立时定义、从别的图合并

• 若因定义多类型节点导致的错误，可以试试convert_node_labels_to_integers()

• Q:如何解决有些节点太近导致看不到边的问题？

G.add_node(9)

G.add_nodes_from([

    (4, {"color": "red"}),

    (5, {"color": "green"}),

]) 



H = nx.path_graph(5) #Generat a path(a line go through all nodes)

G.add_nodes_from(H)

3.添加边

• 加一边、加多边（同时定性质）、从别的图中加边、有向有权的边。

• 节点不存在时，边也可以加上去，节点会自动补出。

G.add_edge(1, 2,weight=7)



e = (2, 3)

G.add_edge(*e)



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



G.add_edges_from(H.edges)

4.图的信息

• 这些信息包括：节点数、边数、度
• 这些信息是在类中的，直接引用就好
• 把类中的参数当成函数用时，括号里的是想要操作的节点。（见edges()、degree()）
• 可以把数据存储到各种container中

list(G.nodes)

[9, 4, 5, 0, 1, 2, 3]

list(G.edges)

[(4, 3), (0, 1), (1, 2), (1, 3), (2, 3)]

list(G.neighbors(1))

[2, 3, 0]

list(G.degree)

[(9, 0), (4, 1), (5, 0), (0, 1), (1, 3), (2, 2), (3, 3)]

G.edges([2, 4])

EdgeDataView([(2, 1), (2, 3), (4, 3)])

5.删除图中信息

• 节点与边双清：G.clear()
• 与之前的add相关的函数相似

G.remove_node(9)

G.remove_nodes_from([0,3])

6.用已有的实例来画特定的图

• 在这儿找想画的图Link

P = nx.DiGraph(G)

P.add_edges_from([(1, 2), (1, 3),(1, 4)])

7. 访问边与邻居

• 改变边的属性，可以在初始化处、对已有图修改；可以单个、全部

• 由图，权越大表现为距离越短

# P = nx.Graph([(1, 2, {"color": "yellow"})])

P.edges[1, 2]['color'] = "red"

FG = nx.Graph()

FG.add_weighted_edges_from([(1, 2, 4), (1, 3, 0.75), (2, 4, 1.2), (3, 4, 0.375)])

# for n, nbrs in FG.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 FG.edges.data('weight'):

    if wt < 0.5:

        print(f"({u}, {v}, {wt:.3})")

nx.draw(FG, with_labels=True, font_weight='bold')

(3, 4, 0.375)

8.添加属性

• 属性有：权值、颜色、标签等

• 可作用于图、点、边

• 通过键值对添加，开始的时候都是空的

• 需要注意：如果图/点/边尚未存在，不可以直接用修改列表的方式改变（如G1.nodes[1]['room'] = 663）。但如果其存在，但这项属性不存在，则可以如此添加。

G1 = nx.Graph(day1="Friday")

G1.graph['day2'] = "Monday"

G1.graph

{'day1': 'Friday', 'day2': 'Monday'}

G1.add_node(1, time='5pm')

G1.nodes[1]['color'] = 'red'

G1.nodes.data()

NodeDataView({1: {'time': '5pm', 'color': 'red'}})

G1.add_edge(1, 2, weight=4.7)

G1.add_edges_from([(3, 4), (4, 5)], color='red')

G1.add_edges_from([(1, 2, {'color': 'blue'}),(2, 3, {'color':'green'})])

G1[1][2]['weight'] = 4.7

G1.edges[3, 4]['weight'] = 4.2

nx.draw(G1, with_labels=True, font_weight='bold')

9. 对有向图的操作

• 可以一开始就将图定为有向图，添加边时先后顺序决定方向

• 有向图中，neighbors()变为寻找入度的节点，与successors()相同

• 需要时可以转为无向图

DG = nx.DiGraph()

DG.add_weighted_edges_from([(1, 2, 0.5), (3, 1, 0.75)])

DG.out_degree(1, weight='weight')

0.5

list(DG.successors(1))

[2]

G2 = nx.Graph(DG) #convert to undirected

G2.edges()

EdgeView([(1, 2), (1, 3)])

10.多边图

• 这种图允许两个节点间有更多权值不同的边连接

MG = nx.MultiGraph()

MG.add_weighted_edges_from([(1, 2, 0.5), (1, 2, 0.75), (2, 3, 0.5)])

dict(MG.degree(weight='weight'))

{1: 1.25, 2: 1.75, 3: 0.5}

11.分析

• 求连通片、所有度值、集群系数等

list(nx.connected_components(G))

[{4}, {5}, {1, 2}]

sorted(d for n, d in G.degree())

[0, 0, 1, 1]

nx.clustering(G)

{4: 0, 5: 0, 1: 0, 2: 0}

12.画出图像

• 图像需要用matlab的交互窗口以及graphviz软件包的接口（后者貌似是用于知晓节点坐标）
• 要画有横纵坐标信息的用nx.draw_networkx()
• draw的信息不想调也可以用预设的哈
• draw有很多种类型，如sell是同心圆放置
• 对于多图，还有删除、复制等操作，见subplot

plt.subplot(131)

nx.draw(G, with_labels=True, font_weight='bold')

plt.subplot(132)

nx.draw_shell(G,nlist=[range(5,10), range(5)],with_labels=True,font_weight='bold')

plt.subplot(133)

nx.draw(P, with_labels=True, font_weight='bold')

plt.show()