python画网络关系节点和边存在文件里_python复杂网络分析库NetworkX

NetworkX是一个用Python语言开发的图论与复杂网络建模工具，内置了常用的图与复杂网络分析算法，可以方便的进行复杂网络数据分析、仿真建模等工作。networkx支持创建简单无向图、有向图和多重图（multigraph）；内置许多标准的图论算法，节点可为任意数据；支持任意的边值维度，功能丰富，简单易用。

引入模块

importnetworkx as nxprint nx

无向图

例1：

#!-*- coding:utf8-*-

importnetworkx as nximportmatplotlib.pyplot as plt

G= nx.Graph() #建立一个空的无向图G

G.add_node(1) #添加一个节点1

G.add_edge(2,3) #添加一条边2-3（隐含着添加了两个节点2、3）

G.add_edge(3,2) #对于无向图，边3-2与边2-3被认为是一条边

print "nodes:", G.nodes() #输出全部的节点： [1, 2, 3]

print "edges:", G.edges() #输出全部的边：[(2, 3)]

print "number of edges:", G.number_of_edges() #输出边的数量：1

nx.draw(G)

plt.savefig("wuxiangtu.png")

plt.show()

输出

nodes: [1, 2, 3]

edges: [(2, 3)]

number of edges: 1

例2：

#-*- coding:utf8-*-

importnetworkx as nximportmatplotlib.pyplot as plt

G=nx.DiGraph()

G.add_node(1)

G.add_node(2) #加点

G.add_nodes_from([3,4,5,6]) #加点集合

G.add_cycle([1,2,3,4]) #加环

G.add_edge(1,3)

G.add_edges_from([(3,5),(3,6),(6,7)]) #加边集合

nx.draw(G)

plt.savefig("youxiangtu.png")

plt.show()

有向图

例1：

#!-*- coding:utf8-*-

importnetworkx as nximportmatplotlib.pyplot as plt

G=nx.DiGraph()

G.add_node(1)

G.add_node(2)

G.add_nodes_from([3,4,5,6])

G.add_cycle([1,2,3,4])

G.add_edge(1,3)

G.add_edges_from([(3,5),(3,6),(6,7)])

nx.draw(G)

plt.savefig("youxiangtu.png")

plt.show()

注：有向图和无向图可以互相转换，使用函数：

Graph.to_undirected()

Graph.to_directed()

例2，例子中把有向图转化为无向图：

#!-*- coding:utf8-*-

importnetworkx as nximportmatplotlib.pyplot as plt

G=nx.DiGraph()

G.add_node(1)

G.add_node(2)

G.add_nodes_from([3,4,5,6])

G.add_cycle([1,2,3,4])

G.add_edge(1,3)

G.add_edges_from([(3,5),(3,6),(6,7)])

G=G.to_undirected()

nx.draw(G)

plt.savefig("wuxiangtu.png")

plt.show()

注意区分以下2例

例3-1

#-*- coding:utf8-*-

importnetworkx as nximportmatplotlib.pyplot as plt

G=nx.DiGraph()

road_nodes= {'a': 1, 'b': 2, 'c': 3}#road_nodes = {'a':{1:1}, 'b':{2:2}, 'c':{3:3}}

road_edges = [('a', 'b'), ('b', 'c')]

G.add_nodes_from(road_nodes.iteritems())

G.add_edges_from(road_edges)

nx.draw(G)

plt.savefig("youxiangtu.png")

plt.show()

例3-2

#-*- coding:utf8-*-

importnetworkx as nximportmatplotlib.pyplot as plt

G=nx.DiGraph()#road_nodes = {'a': 1, 'b': 2, 'c': 3}

road_nodes = {'a':{1:1}, 'b':{2:2}, 'c':{3:3}}

road_edges= [('a', 'b'), ('b', 'c')]

G.add_nodes_from(road_nodes.iteritems())

G.add_edges_from(road_edges)

nx.draw(G)

plt.savefig("youxiangtu.png")

plt.show()

加权图

有向图和无向图都可以给边赋予权重，用到的方法是add_weighted_edges_from，它接受1个或多个三元组[u,v,w]作为参数，其中u是起点，v是终点，w是权重。

例1：

#!-*- coding:utf8-*-

importnetworkx as nximportmatplotlib.pyplot as plt

G= nx.Graph() #建立一个空的无向图G

G.add_edge(2,3) #添加一条边2-3（隐含着添加了两个节点2、3）

G.add_weighted_edges_from([(3, 4, 3.5),(3, 5, 7.0)]) #对于无向图，边3-2与边2-3被认为是一条边

print G.get_edge_data(2, 3)print G.get_edge_data(3, 4)print G.get_edge_data(3, 5)

nx.draw(G)

plt.savefig("wuxiangtu.png")

plt.show()

输出

{}

{'weight': 3.5}

{'weight': 7.0}

经典图论算法计算

计算1：求无向图的任意两点间的最短路径

#-*- coding: cp936 -*-

importnetworkx as nximportmatplotlib.pyplot as plt#计算1：求无向图的任意两点间的最短路径

G =nx.Graph()

G.add_edges_from([(1,2),(1,3),(1,4),(1,5),(4,5),(4,6),(5,6)])

path=nx.all_pairs_shortest_path(G)print path[1]

计算2：找图中两个点的最短路径

importnetworkx as nx

G=nx.Graph()

G.add_nodes_from([1,2,3,4])

G.add_edge(1,2)

G.add_edge(3,4)try:

n=nx.shortest_path_length(G,1,4)printnexceptnx.NetworkXNoPath:print 'No path'

强连通、弱连通

强连通：有向图中任意两点v1、v2间存在v1到v2的路径（path）及v2到v1的路径。

弱联通：将有向图的所有的有向边替换为无向边，所得到的图称为原图的基图。如果一个有向图的基图是连通图，则有向图是弱连通图。

距离

例1：弱连通

#-*- coding:utf8-*-

importnetworkx as nximportmatplotlib.pyplot as plt#G = nx.path_graph(4, create_using=nx.Graph())#0 1 2 3

G = nx.path_graph(4, create_using=nx.DiGraph()) #默认生成节点0 1 2 3，生成有向变0->1,1->2,2->3

G.add_path([7, 8, 3]) #生成有向边：7->8->3

for c innx.weakly_connected_components(G):printcprint [len(c) for c in sorted(nx.weakly_connected_components(G), key=len, reverse=True)]

nx.draw(G)

plt.savefig("youxiangtu.png")

plt.show()

执行结果

set([0, 1, 2, 3, 7, 8])

[6]

例2：强连通

#-*- coding:utf8-*-

importnetworkx as nximportmatplotlib.pyplot as plt#G = nx.path_graph(4, create_using=nx.Graph())#0 1 2 3

G = nx.path_graph(4, create_using=nx.DiGraph())

G.add_path([3, 8, 1])#for c in nx.strongly_connected_components(G):#print c#

#print [len(c) for c in sorted(nx.strongly_connected_components(G), key=len, reverse=True)]

con=nx.strongly_connected_components(G)printconprinttype(con)printlist(con)

nx.draw(G)

plt.savefig("youxiangtu.png")

plt.show()

执行结果

[set([8, 1, 2, 3]), set([0])]

子图

#-*- coding:utf8-*-

importnetworkx as nximportmatplotlib.pyplot as plt

G=nx.DiGraph()

G.add_path([5, 6, 7, 8])

sub_graph= G.subgraph([5, 6, 8])#sub_graph = G.subgraph((5, 6, 8)) #ok 一样

nx.draw(sub_graph)

plt.savefig("youxiangtu.png")

plt.show()

条件过滤

#原图

#-*- coding:utf8-*-

importnetworkx as nximportmatplotlib.pyplot as plt

G=nx.DiGraph()

road_nodes= {'a':{'id':1}, 'b':{'id':1}, 'c':{'id':3}, 'd':{'id':4}}

road_edges= [('a', 'b'), ('a', 'c'), ('a', 'd'), ('b', 'd')]

G.add_nodes_from(road_nodes)

G.add_edges_from(road_edges)

nx.draw(G)

plt.savefig("youxiangtu.png")

plt.show()

图

#过滤函数

#-*- coding:utf8-*-

importnetworkx as nximportmatplotlib.pyplot as plt

G=nx.DiGraph()defflt_func_draw():

flt_func= lambda d: d['id'] != 1

returnflt_func

road_nodes= {'a':{'id':1}, 'b':{'id':1}, 'c':{'id':3}, 'd':{'id':4}}

road_edges= [('a', 'b'), ('a', 'c'), ('a', 'd'), ('b', 'd')]

G.add_nodes_from(road_nodes.iteritems())

G.add_edges_from(road_edges)

flt_func=flt_func_draw()

part_G= G.subgraph(n for n, d in G.nodes_iter(data=True) ifflt_func(d))

nx.draw(part_G)

plt.savefig("youxiangtu.png")

plt.show()

图

pred，succ

#-*- coding:utf8-*-import networkxasnx

import matplotlib.pyplotasplt

G=nx.DiGraph()

road_nodes= {'a':{'id':1}, 'b':{'id':1}, 'c':{'id':3}}

road_edges= [('a', 'b'), ('a', 'c'), ('c', 'd')]

G.add_nodes_from(road_nodes.iteritems())

G.add_edges_from(road_edges)

print G.nodes()

print G.edges()

print"a's pred", G.pred['a']

print"b's pred", G.pred['b']

print"c's pred", G.pred['c']

print"d's pred", G.pred['d']

print"a's succ", G.succ['a']

print"b's succ", G.succ['b']

print"c's succ", G.succ['c']

print"d's succ", G.succ['d']

nx.draw(G)

plt.savefig("wuxiangtu.png")

plt.draw()

结果

['a', 'c', 'b', 'd']

[('a', 'c'), ('a', 'b'), ('c', 'd')]

a's pred {}

b's pred {'a': {}}

c's pred {'a': {}}

d's pred {'c': {}}

a's succ {'c': {}, 'b': {}}

b's succ {}

c's succ {'d': {}}

d's succ {}

python画网络关系节点和边存在文件里_python复杂网络分析库NetworkX相关推荐

python绘制网络关系图
import networkx as nx# 数据准备 G = nx.DiGraph() # 单边有向图G.add_edges_from([(1,2), ('x','y'), (2,3)...]) # ...
一文读懂Python复杂网络分析库networkx | CSDN博文精选
作者 | yyl424525 来源 | CSDN博客文章目录 1. 简介安装支持四种图绘制网络图基本流程 2. Graph-无向图节点边属性有向图和无向图互转 3. DiGraph-有 ...
python日志内容存储到文件里_Python中如何实现将logging日志保存到文件中
Python中如何实现将logging日志保存到文件中发布时间:2020-11-09 17:03:14 来源:亿速云阅读:66 今天就跟大家聊聊有关Python中如何实现将logging日志保存到 ...
python画父子关系图_将有父子关系的一维数组转换成树形结构(多维)数据
先来个函数注释 : /** * 将有父子关系的一维数组转换成树形结构(多维)数据 * console.log(JSON.stringify(setTreeData(data), null, 2)); ...
如何用python画一束花_如何在AI里绘制一束春天的花朵
What You'll Be Creating 春天正在到来,是的,不管暴风雪如何肆意狂虐.很快,我们将看到第一波花朵盛开.让我们试着在画板上复刻春天之美吧~ 在此教程中,你将会学习如何创建特殊的画笔 ...
networkx edge 属性_一文读懂Python复杂网络分析库networkx | CSDN博文精选
作者 | yyl424525 来源 | CSDN博客文章目录 1. 简介安装支持四种图绘制网络图基本流程 2. Graph-无向图节点边属性有向图和无向图互转 3. DiGraph-有 ...
Python复杂网络分析库networkx 看这一篇就够了
文章目录 1 基础知识 1.1 简介 1.2 Graph 添加节点访问节点删除节点添加边访问边遍历边生成小世界网络生成规则网络另一种规则图 ER随即图 BA无标度网络喜欢的话请关注我 ...
运行python程序的两种方式交互式和文件式_Python基础知识2
运行Python程序的两种方式小白学习,如有错误欢迎指点一.每位小白写的第一个Python程序 1.运行Python程序的两种方式 1.1 交互式模式(即时对话) 打开cmd,打开Python解释 ...
十分钟用Python画一片雪花
引言在MOOC上看到一个好玩的实例--"用Python绘制科赫雪花小包裹",挺有意思,也不难,尝试一下把它实现出来了,先上效果图(来源:中国大学慕课"Python语言程 ...

python画网络关系节点和边存在文件里_python复杂网络分析库NetworkX

python画网络关系节点和边存在文件里_python复杂网络分析库NetworkX相关推荐

最新文章

热门文章

python画网络关系 节点和边存在文件里_python复杂网络分析库NetworkX

python画网络关系 节点和边存在文件里_python复杂网络分析库NetworkX相关推荐

最新文章

热门文章

python画网络关系节点和边存在文件里_python复杂网络分析库NetworkX

python画网络关系节点和边存在文件里_python复杂网络分析库NetworkX相关推荐