chapter1
快速开始
import networkx as nx
from matplotlib import pyplot as plt
G = nx.Graph() # create a graph object
G.add_node('A') # 一次添加一个节点(这里使用字母作为节点的id)
G.add_nodes_from(['B','C']) # 添加多个节点
G.add_edge('A','B') # 一次添加一条边
G.add_edges_from([('B','C'),('A','C')]) # 一次添加多条
G.add_edges_from([('B','D'),('C','E')])
plt.figure(figsize=(7.5,7.5)) # 7.5英寸*7.5英寸
nx.draw_networkx(G)
plt.show()
图像的全局配置
plt.rcParams.update({
'figure.figsize':(7.5,7.5)
})
chapter2
- 学习目标
- Graph：了解无向网络的属性以及它们如何使用NetworkX Graph类表示。
- Attributes：如何将数据与节点和边关联。
- Edge Weight：了解如何量化连接强度并为边信息添加注释。
- DiGraph：了解有向网络的属性以及如何使用NetworkX DiGraph类表示。
- MultiGraph and MultiDiGraph：了解拥有并行边的网络。
Graph类——无向网络
import networkx as nx
from matplotlib import pyplot as plt
G = nx.karate_club_graph()
karate_pos = nx.spring_layout(G,k = 0.3) # 节点直接通过一条边连接，将会靠的更近
plt.figure()
nx.draw_networkx(G,karate_pos)
plt.show()
Graph类提供了许多节点和边进行交互的方法：
- 获取节点和边的属性的迭代器
list(G.nodes) # [0,1,2...]
list(G.edges) # [(0,1),(0,2)...]
- 判断节点或边是否存在（根据id匹配）
hyh = 0
hyh in G # True
G.has_node(hyh) #True
member_id = 1
(hyh,member_id) in G.edges #True
G.has_edge(hyh,member_id) #True
- 获取节点的邻居，通常，通过一条边连接到某个特定节点的节点集称为该节点的邻居。
list(G.neighbors(hyh)) #[1,2,3,4,5,6,7,8,10,11,12,13,17,19,21,31]
为节点和边添加属性
有时候，网络节点和边缘被附加了额外的信息。在Graph类中，每个节点和边都可以有一组属性来存储这些附加信息。属性可以简单地作为存储与节点和边相关的信息的方便场所，也可以用于可视化和网络算法。
Graph类允许您向节点添加任意数量的属性。对于网络G，每个节点的属性都存储在G处的dict中。节点[v]，其中v是节点的ID。
- 遍历节点，添加club属性
member_club = [
0,1]
for node_id in G.nodes:
G.nodes[node_id]["club"] = member_club[node_id]
G.add_node(11,club=0)
- 定制节点的颜色
node_color = [
'#1f78b4' if G.nodes[v]["club"] == 0
else '#33a02c' for v in G]
nx.draw_networkx(G,karate_pos,label=True,node_color=node_color)
- 遍历边
# Iterate through all edges
for v,w in G.edges:
# Compare `club` property of edge endpoints
# Set edge `internal` property to True if they match
if G.nodes[v]["club"] == G.nodes[w]["club"]: # 两个节点直接存在联系
G.edges[v,w]["internal"] = True
else:
G.edges[v,w]["internal"] = False
internal = [e for e in G.edges if G.edges[e]["internal"]] # 存在联系的数组
external = [e for e in G.edges if not G.edges[e]["internal"]]
# Draw nodes and node labels 多个线样式，需要绘制多次
nx.draw_networkx_nodes(G,node_color=node_color)
nx.draw_networkx_labels(G,karate_pos)
# Draw internal edges as solid lines
nx.draw_networkx_edges(G,edgelist=internal)
# Draw external edges as dashed lines
nx.draw_networkx_edges(G,edgelist=external,style="dashed")# 虚线
为边增加权重
定义计算边权重的函数
def tie_strength(G,v,w):
# Get neighbors of nodes v and w in G
v_neighbors = set(G.neighbors(v))
w_neighbors = set(G.neighbors(w))
# Return size of the set intersection
return 1 + len(v_neighbors & w_neighbors) # 交集大小
遍历每条边，计算权重
for v,w in G.edges:
G.edges[v,w]["weight"] = tie_strength(G,w)
# Store weights in a list
edge_weights = [G.edges[v,w]["weight"] for v,w in G.edges]
将边权值传递给spring_layout()，将强连接的节点推的更近。
# 将边权值传递给spring_layout()，将强连接节点推得更近
weighted_pos = nx.spring_layout(G,pos=karate_pos,k=0.3,weight="weight")
# Draw network with edge color determined by weight
nx.draw_networkx(
G,weighted_pos,width=8,node_color=node_color,edge_color=edge_weights,edge_vmin=0,edge_vmax=6,edge_cmap=plt.cm.Blues)
# Draw solid/dashed lines on top of internal/external edges
nx.draw_networkx_edges(G,edgelist=internal,edge_color="gray")
nx.draw_networkx_edges(G,edge_color="gray",style="dashed")
有向图
这次从gxef中读取数据，类型是directed有向图，每条边都包含source和target。
<?xml version='1.0' encoding='utf-8'?>
<gexf version="1.2" xmlns="http://www.gexf.net/1.2draft" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.w3.org/2001/XMLSchema-instance">
<graph defaultedgetype="directed" mode="static" name="">
<meta>
<creator>NetworkX 2.2rc1.dev_20181126202121</creator>
<lastmodified>26/11/2018</lastmodified>
</meta>
<nodes>
<node id="0" label="0" />
<node id="2" label="2" />
<!-- 省略 -->
</nodes>
<edges>
<edge id="0" source="0" target="2" />
<edge id="1" source="0" target="5" />
<!-- 省略 -->
</edges>
</graph>
</gexf>
读取文件中的数据，画出图形。
G = nx.read_gexf("data/knecht2008/klas12b-net-1.gexf",node_type=int)
student_pos = nx.spring_layout(G,k=1.5)
nx.draw_networkx(G,student_pos,arrowsize=20)
获取节点邻居，后继，前驱。
list(G.neighbors(20))
list(G.successors(20))
list(G.predecessors(20))
有向图转化为无向图
# Create undirected copies of G
G_either = G.to_undirected() # 默认情况下， 只要存在一个方向，就连接
G_both = G.to_undirected(reciprocal=True) # 两个方向都存在的时候，才会创建
# Set up a figure
plt.figure(figsize=(10,5))
# Draw G_either on left
plt.subplot(1,1)
nx.draw_networkx(G_either,student_pos)
# Draw G_both on right
plt.subplot(1,2)
nx.draw_networkx(G_both,student_pos)
并行边
例：A点到B点有许多条路
G = nx.MultiGraph()
G.add_edges_from([
("North Bank","Kneiphof",{"bridge": "Krämerbrücke"}),("North Bank",{"bridge": "Schmiedebrücke"}),"Lomse",{"bridge": "Holzbrücke"}),("Lomse",{"bridge": "Dombrücke"}),("South Bank",{"bridge": "Grüne Brücke"}),{"bridge": "Köttelbrücke"}),{"bridge": "Hohe Brücke"})
])
list(G.edges)[0] # ('North Bank','Kneiphof',0)
G.edges['North Bank',0] # {'bridge': 'Krämerbrücke'}
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。