复杂网络分析工具NetworkX 学习笔记（一）

图生成和操作

这部分学习主要用到的库有networkx、numpy和matplotlib.pyplot

一、图的生成

本部分主要包括：无向图、有向图和加权图

# 创建无向图
G1 = nx.Graph()
G1.add_node(1)
G1.add_nodes_from([2,3])
G1.add_edge(1, 2) 
G1.add_edges_from([(1,4),(1,3),(3,4)])
nx.draw_networkx(G1)
plt.show()

# 创建有向图
G2 = nx.DiGraph()
G2.add_edge(1, 2)
G2.add_edge(2, 3)
G2.add_edges_from([(1,4),(1,3),(3,4)])
nx.draw_networkx(G2)
plt.show()

#加权图
G3 = nx.DiGraph()
G3.add_edge(1, 2, weight=4)
G3.add_edge(2, 3, weight=2)
G3.add_edge(2, 4, weight=3)
edge_labels = dict([((u, v,), d['weight']) for u, v, d in G3.edges(data=True)])
pos = nx.spring_layout(G3) 
nx.draw_networkx_edge_labels(G3, pos, edge_labels=edge_labels)  # 绘制图中边的权重
nx.draw_networkx(G3, pos)
plt.show()

还可以使用pandas的dataframe来构造

edges = pd.DataFrame()
edges["sources"] = [1, 1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 5]
edges["targets"] = [2, 4, 5, 3, 1, 2, 5, 1, 5, 1, 3, 4]
edges["weights"] = [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]

G = nx.from_pandas_edgelist(edges,source="sources",target="targets",edge_attr="weights")
nx.draw_networkx(G)
plt.show()

二、图操作

本节主要包括邻接矩阵转换为图、去边去点和图合并

#邻接矩阵转图
Matrix = np.array(
       [[0, 1, 1, 0, 1, 1, 0, 0],
        [0, 0, 1, 0, 1, 0, 0, 0],
        [0, 0, 0, 0, 0, 0, 0, 0],
        [0, 0, 0, 0, 1, 0, 0, 0],
        [0, 0, 0, 0, 0, 1, 0, 0],
        [0, 0, 0, 0, 0, 0, 1, 1],
        [0, 0, 0, 0, 0, 0, 0, 1],
        [0, 0, 0, 0, 0, 0, 0, 0]])
G1 = nx.from_numpy_matrix(Matrix)
nx.draw_networkx(G1)
plt.show()

如果转有向图可以用遍历的方法：

#邻接矩阵转有向图
for i in range(len(Matrix1)):
	for j in range(len(Matrix1)):
         if(Matrix1[i][j] ==1):
             G.add_edge(i, j)

#去边去点：去点6、7、3和4-5的边
G2=nx.from_numpy_matrix(Matrix)
G2.remove_nodes_from([6,7])
G2.remove_edge(4, 5)
G2.remove_node(3)
nx.draw_networkx(G2)
plt.show()

该结果图通邻接矩阵转图的图相对比：

#图合并，合并邻接矩阵转图的图和去边去点的图
G3=nx.disjoint_union(G1,G2)
nx.draw_networkx(G3)
plt.show()