python networkx库学习、使用笔记

项目中用到了networkx库，这个库实现了图论里面很多经典的算法，包括最短路径算法，有向图的最长路径算法。

import networkx as nx  # 导入networkx库

然后我们自定义一个图：图中每个键对应的值存储的是该节点的父节点列表和子节点列表

graph_dict = {1: [[], [2, 3, 5]], 2: [[1], [4]], 3: [[1], [4]], 4: [[2, 3], [7]], 5: [[1], [6]], 6: [[5], [7]],
              7: [[6, 4], []]}
weight_dict = {1: [[], [0.4, 0.5, 0.1]], 2: [[0.4], [0.3]], 3: [[0.5], [0.6]], 4: [[0.3, 0.6], [0.1]],
               5: [[0.1], [0.1]], 6: [[0.1], [0.1]], 7: [[0.1, 0.1], []]}

图大概长这样子：

然后创建一个图实例：

G = nx.DiGraph()

接下来构建图中的边：

for (k1, v1), v2 in zip(graph_dict.items(), weight_dict.values()):
    for node, w in zip(v1[1], v2[1]):
        G.add_edge(str(k1), str(node), weight=w)  # 添加边，这里的weight为边的权值

现在，我们要计算从源点1到目标点7的最短路径，那么使用：

res = nx.shortest_path(G, source='1', target='7', weight='weight')   # weight参数默认是None，因此需要改成'weight'

输出res得到  ['1', '5', '6', '7']

由于我们的图是一个有向无环图（DAG）并且图中的权值都是正数，那么我们还可以找到图中的最长路径：

res = nx.dag_longest_path(G)

输出res得到 ['1', '3', '4', '7']

另外，还可以判断图是否是DAG：

print nx.is_directed_acyclic_graph(G)

以及拓扑排序结果：

res = nx.topological_sort(G)
print list(res)  # 以点的方式输出['1', '5', '6', '2', '3', '4', '7']

res = nx.topological_sort(nx.line_graph(G))
print list(res)  # 以边的方式输出[('1', '3'), ('3', '4'), ('1', '5'), ('5', '6'), ('6', '7'), ('1', '2'), ('2',          '4'), ('4', '7')]