这几天在用networkx，官方文档是这个，很全也很详细，这里简单记录一些简单的用法和使用过程中的菜鸡看法。

这篇主要记一下networkx基本图创建和如何画图。

环境
Python 3.6.3
networkx 2.4
matplotlib 2.1.0

图的创建

这里主要介绍一下networkx中定义的图结构，以及以无向图为例的用法。

图的类型

networkx中规定了四种图：无向图、有向图、多重无向图、多重有向图，所有图允许出现自环。

区别：

名称	方向	多重边
Graph	无向	无
DiGraph	有向	无
MultiGraph	无向	有
MultiDiGraph	无向	有

我的实验中用Graph类型的比较多，所以这里先介绍一下无向图Graph的用法。

在networkx里面，图的点、边的都是xxView这样一个结构，有的时候需要转换一下才能直接读取（具体是个什么我也不知道，但是看起来像个字典，我也是这么理解的）

新建无向图

import networkx
# 新建一个空的无向图G
G = nx.Graph()

加入节点

# 一次加入一个结点
G.add_node(0)
# 从列表中加入节点
G.add_nodes_from([1,2])
# 从另一个图H中合并，path_graph(n)表示生成一个n个结点的路径图
H = nx.path_graph(10)
G.add_nodes_from(H)

以第三种方式加入结点时，H可以作为G的一个结点使用。

加入边

# 一次加入一条边
G.add_edge(1,2)
# 从列表中加入边，注意括号
G.add_edges_from([(1,2),(2,3)])
# 从另一个图H中合并
G.add_edges_from(H.edges)

删除

G.remove_node(1)
G.remove_nodes_from([2,3])
G.remove_edge(5,6)
G.remove_edges_from([(7,8),(8,9)])

删除点边和加入点边操作类似，需要注意的是删除一个点时会删除与之连接的所有边。

查看图

# 查看是否有点1
G.has_node(1)
# 查看是否有边(1,2)
G.has_edge(1,2)
# 查看点的数量
G.order()
G.number_of_nodes()
# 查看边的数量
G.size()
G.number_of_edges()
# 查看所有点
list(G.nodes())
# 查看所有边
list(G.edges())
# 查看图中点1的度
list(G.degree[1])
# 查看图中点1的邻居节点
list(G.adj[1])
list(G[1])

查找邻居节点还有一种是返回一个迭代器，返回格式是：（当前节点，{邻居节点：{属性}}，一般在后面有循环的时候用。

# 查看点1的邻居节点
nb = G.neighbors(1)
for i in nb:print(i)
# 查看所有点的邻居节点
nb_all = G.adjacency()
for i in nb_all:print(i)

添加属性

添加图的属性

# 引用官方文档例子
# 新建一个图，并添加属性
G = nx.Graph(day="Friday")
# 对已有的图添加属性
G.graph['day'] = "Monday"

添加点的属性

# 新建点时添加权重
G.add_node(1, weight = '10')
# 对已有点添加权重
G.nodes[1][['weight'] = 10

添加边的属性

# 假设给边加入权重
G.add_edge(1,2,weight = '10')
G.add_edges_from([(1,2,{'weight':10}),(2,3,{'weight':15})])
G.add_edges_from([(1,2),(1,3)],weight = '10')
G[1][2]['weight'] = 10
G.edges[1,2]['weight'] = 10

前三种是添加边时添加权重，后两种是对已有的边添加权重，用的时候没发现什么区别。当然除了权weight还可以添加其他属性，比如颜色、距离等，上面的属性都可以是任意数据类型。

无向图的基础内容大概就是这些。

有向图——DiGraph

相比较无向图，有向图多了一个方向，并且在边的存储上多了一个predecessor和successor的区别，因此也可以通过G.in_degree(n)和G.out_degree(n)来查询入度和出度，并且G.degree(n)为两者之和。

并且对于一个有向图DG，可以通过DG.to_undirected()和nx.Graph(DG)，使其变为无向图。

# 新建一个空的有向图DG
DG = nx.DiGraph()
# 添加的用法和无向图一样
# 添加边的时候注意方向
DG.add_node(0)
DG.add_nodes_from([1,2])
H = nx.path_graph(10)
DG.add_nodes_from(H)

多重无向图——MutiGraph

暂时还没用到，占坑之后填，（咕咕咕

多重有向图——MutiDiGraph

（咕咕咕

图的绘制

创建完一个图就可以开始画图了。

首先导个包，然后生成一个图：

import matplotlib.pyplot as plt
# 生成一个G(n,p)图，表示n个点，两个点之间是否连接互相独立，并且概率为p
G = nx.fast_gnp_random_graph(10,0.5)

首先直接画图：

nx.draw(G)
plt.show()

画出来的图长这样：
如果觉得点这样分布不好看，可以用pos这个位置参数来调整，pos是一个二维数组，每组数据对应一个点的坐标。

networkx里自带的常用分布有：

circular_layout(G[, scale, center, dim])：点分布在一个圆上
random_layout(G[, center, dim, seed])：随机分布
rescale_layout(pos[, scale])：重新在(-scale,scale)范围内分布
shell_layout(G[, nlist, scale, center, dim])：同心圆上分布
spring_layout(G[, k, pos, fixed, …])：Position nodes using Fruchterman-Reingold force-directed algorithm.（不知道什么算法求得的分布，故放上原文）
spectral_layout(G[, weight, scale, center, dim])：用拉普拉斯矩阵的特征向量分布

比如下面是用自带的circular_layout画出来的图：

pos = nx.circular_layout(G)
nx.draw(G,pos,with_labels = True,node_color = 'pink',node_size = 200)
plt.show()

这里稍微设置了一下标号显示、点的颜色和大小。

进阶版画图

有时候我们画一个图，比如在着色问题中想规定一些不同的结点颜色，每次只想画这个图中的部分结点或者部分边，这种时候，就需要用到下面的方法了：

# 画点
draw_networkx_nodes(G, pos, nodelist=None, node_size=300, node_color='#1f78b4', node_shape='o', alpha=None,cmap=None, vmin=None, vmax=None, ax=None, linewidths=None, edgecolors=None, label=None, **kwds)
# 画边
draw_networkx_edges(G, pos, edgelist=None, width=1.0, edge_color='k', style='solid', alpha=None, arrowstyle='-|>', arrowsize=10, edge_cmap=None, edge_vmin=None, edge_vmax=None, ax=None, arrows=True, label=None, node_size=300, nodelist=None, node_shape='o', connectionstyle=None, min_source_margin=0, min_target_margin=0, **kwds)
# 标签
draw_networkx_labels(G, pos, labels=None, font_size=12, font_color='k', font_family='sans-serif', font_weight='normal', alpha=None, bbox=None, ax=None, **kwds)
# 边的标签
draw_networkx_edge_labels(G, pos, edge_labels=None, label_pos=0.5, font_size=10, font_color='k', font_family='sans-serif', font_weight='normal', alpha=None, bbox=None, ax=None, rotate=True, **kwds)

这些里面一定要有的参数是G和pos，alpha是透明度，cmap是颜色映射，其他的按需画图就行。

先写到这里8，例子下次再加（咕咕咕

networkx —— 基本操作及画图相关推荐

呆萌的图模型学习——图基本信息 Networkx基本操作(二)
Networkx是python常用的处理图模型的工具包,可以方便的处理图模型: Github项目主页:https://github.com/networkx/networkx 官网基本教程:https ...
networkx使用Graphviz画图要点
本文涉及的工具 Graphviz(官网) Pygraphviz(安装Pygraphviz的正确姿势) networkx(pip install networkx) import networkx as ...
Pandas的基本操作以及画图
1.读取文件操作读取文件 data = pd.read_csv('./data/stock_day.csv') 删除一些列,让数据更简单些,再去做后面的操作 data = data.drop([&q ...
Python OpenCV _1基本操作（画图，循环播放图像，鼠标事件，读取中文路径中的图片）
此系列源码在我的GitHub里:https://github.com/yeyujujishou19/Python-OpenCV 一,OpenCV的结构 A)根据功能和需求的不同,OpenCV中的函数接 ...
呆萌的图模型学习——使用networkx计算node2vec，得到节点与边的embedding(三)
networkx基本操作请参考:[呆萌的图模型学习--图基本信息 & Networkx基本操作(二)](呆萌的图模型学习--图基本信息 & Networkx基本操作(二)) node2 ...
数据挖掘-matplotlib、numpy、pandas（二）
文章目录 Numpy Pandas Numpy # 数值化计算库import numpy as np score=np.array([[80,81,82,83,84],[78,96,95,94,93] ...
python学习与数据挖掘_Python学习之数据挖掘（三）
Pandas 基础处理 Pandas是什么?为什么用? 核心数据结构 DataFrame Panel Series 基本操作运算画图文件的读取与存储高级处理 4.1Pandas介绍 4.1.1 ...
八、Pandas的基本使用
Pandas的基本使用点击标题即可获取文章源代码和笔记 4.1.0 概要 Pandas基础处理Pandas是什么?为什么用?核心数据结构DataFramePanelSeries基本操作运算画图文件的 ...
计算机基础教学质量分析报告,张丹菲信息技术质量分析报告1
<张丹菲信息技术质量分析报告1>由会员分享,可在线阅读,更多相关<张丹菲信息技术质量分析报告1(4页珍藏版)>请在人人文库网上搜索. 1.信息技术学科质量分析报告一.试题指导思 ...

networkx —— 基本操作及画图

图的创建

图的绘制

networkx —— 基本操作及画图相关推荐

最新文章

热门文章