Python学习4-NetworkX的使用

1. 创建简单的空图形（没有边和点）

   import networkx as nxg = nx.Graph();h = nx.Graph( g);    #可以在构建Graph对象时指定值来构造一个新的Graph对象f = nx.Graph( [ (1,2),(2,3),(1,3)]);  #可以在构建Graph对象时指定node关系的数组来构建Graph对象根据定义，一个Graph就是一个所有nodes的集合。在NetworkX中，nodes能够代表任何对象，例如一个文本，一个图片，一个xml对象或者另外一个Graph，一个自定义的对象等等。

   由于NetworkX提供了多种Graph对象生成方法，并且体痛了读写方法来读写多种格式，所以Graph对象能够使用多种方式创建。

---

1. Nodes

   graph对象能够添加node（节点）g.add_node(1);   #添加一个节点    g.add_nodes_from( [2,3])   #添加一个节点列表h = nx.path_graph(10)g.add_nodes_from( h)  #添加一个能够迭代的集合(例如：list, set, graph, file等等)，这样g中包含了h中的元素g.add_node( h)    #这是将h作为一个node添加到g中g.add_nodes_from( 'span');   #将span拆分为一个字符数组，然后添加nodeNote: 最后，h是一个graph对象，将h最为g的node，是一个很灵活的特性。这样节点可以是graph中的graph，files中的graphs，method中的graph等等。值得思考的是，如果结构化你的应用使得那些node都是有用的实体。如果你愿意，你还可以是g对应一个唯一的表示，每个node对应一个被表示的key。如果node对应的是对象中的内容，那么当内容变化是，不应该修改对象，应该修改node对应的内容（有点绕）。

---

1. Edges

   graph对象中还能够添加edges(边)；g.add_edge(1,2)    # 添加一个1和2之间的edgee=(2,3)                   #定义个关系g.add_edge( *e)    #添加关系对象g.add_edges_from([(1,2),(2,3)])  #添加一个edge数组g.add_edges_from( h.edges());   #h.edges()返回的h的包含所有edge的数组#拆除graph对象中的node和edge可以使用如下方法g.remove_node()g.remove_nodes_from()g.remove_edge()g.remove_edges_from()#删除所有的node和edgeg.clear();#如果重复添加相同的node和edge，NetworkX将会将会忽略那些重复的内容。g.add_nodes_from("span");g.add_node( "s");#获取一个Graph对象中node和edge的数量g.number_of_nodes();g.number_of_edges();#获取一个Graph对象中的node数组或者edge数组g.nodes();g.edges();g.neighbors(1);   #获取与node为1相邻的node是节点g.remove_edge( 1,2);   #删除node1和node2之间的edge，自此node1和node2不再为相邻的node

---

1. 如何使用nodes和edges？

   获取你已经注意到了node和edge并不是Graph的对象。这就能够使你更加灵活的使用node和edge，如果在python中使用string和number。node可以为任何hashable对象（除了Node），edge还可以和其他Graph对象中的node建立关联。例如：    g.add_node( n1, n2, Graph=x);    例如，n1,n2可以代表生物蛋白质资料库中两种蛋白质对象,x可以是代表一个观察实验出版物中的xml片段记录。    如果熟悉他们，那么他们会非常有用。如果滥用也会带来意想不到的结果。如有疑问可以通过convert_node_labels_to_integers()方法来获得更多的有整数组成的传统图形。

---

1. 除了使用上面提到的方法外，可以使用索引下标来访问edge

   g[1] {2,{}}
   g[1][1] {}
   Note：不要修改返回到额字典结构，它是graph固有的一部分，直接修改会导致不一致的状态
   同样通过下标可以设置edge的属性
   g.add_edge( 1, 3) g[1][1][ “color”] = “blue”
   通过迭代快速查找所有的edge
   FG=nx.Graph()
   FG.add_weighted_edges_from([(1,2,0.125),(1,3,0.75),(2,4,1.2),(3,4,0.375)])
   for n,nbrs in FG.adjacency_iter(): … for nbr,eattr in nbrs.items(): … data=eattr[‘weight’] … if
   data<0.5: print(‘(%d, %d, %.3f)’ % (n,nbr,data)) (1, 2, 0.125)
   (2, 1, 0.125) (3, 4, 0.375) (4, 3, 0.375)

---

• 添加graph，node，edge的属性

     像color,label,weight或者其他Python对象的属性都可以被设置为graph，node，edge的属性。   每个graph，node，edge都能够包含key/value这样的字典数据。默认情况下是没有这些属性的。可以通过add_node(),add_edge(),或者直接修改来添加和修改属性。   Graph 属性       g = nx.Graph( day="friday");       g.graph       打印：｛“day”：“friday”｝       g.graph["day"]="Monday";       g.graph       打印：｛"day":"Monday"｝   Node属性       通过add_node()，add_nodes_from或者g.node来添加属性       g.add_node( 1, time="5pm");       g.add_nodes_from([3], time="2pm");       g.node[ 1]       打印：｛"time":"5pm"｝       g.node[1]["room"]=714;       g.nodes(data=True);       打印：[(1,{"room":714, "time":"5pm"}),(3,{"time":"2pm"})]       Note:向node添加属性并不会想graph添加属性，   Edge属性       通过add_edge(), add_edges_from()或者g.edge来添加属性       g.add_edge(1,2,wegiht=4.7)       g.add_edges_from( [ (2,3),(3,4) ], color="red")       g.add_edges_from( [(1,2,{"color":"blue"}),(4,5,{"weight":8})])       g[1][2]["width"]=4.7       g.edge[1][2]["weight"]=4

---

• Directed graphs(有向图)

         DiGraph类针对有向edge提供了另外的方法，例如：out_edges(), in_degree(),predecessors(),successors()等。为了是算法能够正常运行，有向版本的neighbors()和degree()对于seccessor()方法是相同的。in_degree()和out_degree()都是独自的。       ig = nx.DiGraph()       ig.add_wieghted_edges_from( [(1,2,0.5),(2,3,0.7)])       ig.out_degree( 1,weight="weight");       打印：0.5       ig.degree( 1, weight="weight");       打印：1.25       ig.seccessors(1)       打印:[2]       ig.neighbors(1)       打印:[2]   一些算法只对有向grapsh起作用，其他算法没有明确定义。同时使用有向graph和无向graph是非常危险的事情。如果想将有向graph转换为无向graph可以使用       Graph.to_undirected()       或者       h = nx.Graph( g)

---

• Multigraphs

         NetworkX提供了类来实现一对node之间存在多个edge的实现类：MultiGraph和MultiDiGraph，他们都允许使用的edge数据添加多个的edge。对于某些应这个特性非常有用，但是很多算法在这种graph中并没有明确定义。

  MG=nx.MultiGraph()
  MG.add_weighted_edges_from([(1,2,.5), (1,2,.75), (2,3,.5)])
  MG.degree(weight=’weight’) {1: 1.25, 2: 1.75, 3: 0.5}
  GG=nx.Graph()
  for n,nbrs in MG.adjacency_iter(): … for nbr,edict in nbrs.items(): … minvalue=min([d[‘weight’] for d in
  edict.values()]) … GG.add_edge(n,nbr, weight = minvalue) …
  nx.shortest_path(GG,1,3) [1, 2, 3]

---

Graph generators and graph operations(图形生成和操作)

    为了构建node-by-node或者edge-by-edge的graph，还可以使用以下方式。    subgraph( G, nbunch)    union( g1,g2)                 #合并praph    disjoint_union( g1, g2) #假设所有node都不相同合并praph    cartesian_product( g1, g2)  #返回笛卡尔产品praph    compose( g1, g2)                 #合并公共的node    complement( g1)                 #praph的补集    create_empty_copy( g)        #返回某个praph对象的空的拷贝对象    convert_to_undirected( g)   #返回一个无向praph    convert_to_directed( g)       #返回一个有向的praph    使用小图的调用    petersen = nx.petersen_parph();    tutte = nx.tutte_praph()    maze = nx.sedgewick_maze_praph()    tet = nx.tetrahedral_praph()    使用典型praph的构造生成器    k_4 = nx.complete_graph(4);    k_3_5 = nx.complete_bipartite_graph(3,5)    barbell = nx.barbell_graph( 10, 10)    lollipop = nx.lollipop_graph( 10,20);    使用随机graph生成器

er=nx.erdos_renyi_graph(100,0.15)ws=nx.watts_strogatz_graph(30,3,0.1)ba=nx.barabasi_albert_graph(100,5)red=nx.random_lobster(100,0.9,0.9)

从存储praph的文件中读取格式数据然后生成praph。

 nx.write_gml(red,"path.to.file") mygraph=nx.read_gml("path.to.file")----------Drawing Praphs(绘制图形)        NetworkX并不是首选的图形绘制包，但是它包含了基本的图形绘制工具开源包Matplotlib。如果需要的话可以引入network.drawing包。（更详细的文档参考：Drawing）        注意： NetworkX中的绘图包不和Python3兼容        首先引入 Matplotlib的plot接口        import matplotlib.pyplot as plt        如果成功引入 networkx.drawing那么可以使用下面的方法绘制graph对象        nx.draw( g)        nx.draw_random( g)        nx.draw_circular( g)        nx.draw_spectral( g)        将绘制的内容保存的一个文件中使用下面的方法        nx.draw( g)        plt.savefig( "path.png")