python复杂网络分析库NetworkX.doc

(word完整版)python复杂网络分析库NetworkXpython复杂网络分析库NetworkX阅读目录 无向图 有向图 加权图 经典图论算法计算 强连通、弱连通 子图 条件过滤 pred，succNetworkX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import networkx as nxprint nx回到顶部无向图例1：！-* coding:utf8*- import networkx as nximport matplotlib.pyplot as pltG = nx.Graph() 建立一个空的无向图GG。add_node（1) 添加一个节点1G。add_edge（2,3） #添加一条边23（隐含着添加了两个节点2、3）G.add_edge（3，2） #对于无向图，边32与边23被认为是一条边print ”nodes：, G.nodes（） 输出全部的节点： 1， 2， 3print ”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：1nx。draw(G）plt.savefig（wuxiangtu。png)plt。show（）输出123nodes： 1, 2， 3edges: （2， 3）number of edges: 1例2:# coding:utf8* import networkx as nximport matplotlib.pyplot as pltG = 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(）回到顶部有向图例1：#！*- coding：utf8- import networkx as nximport matplotlib。pyplot as pltG = 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- import networkx as nximport matplotlib.pyplot as pltG = 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-*-import networkx as nximport matplotlib。pyplot as pltG = nx.DiGraph()road_nodes = a： 1, b: 2， c: 3#road_nodes = a:1：1, b:2:2, c:3：3road_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32- coding:utf8*-import networkx as nximport matplotlib。pyplot as pltG = nx。DiGraph（)road_nodes = a： 1， b: 2, c: 3road_nodes = a:1：1， b:2:2， c：3：3road_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（)回到顶部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- import networkx as nximport matplotlib.pyplot as pltG = nx。Graph（） 建立一个空的无向图GG.add_edge(2，3) 添加一条边23（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32与边23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。5weight： 7.0回到顶部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 -*import networkx as nximport matplotlib。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 path1计算2：找图中两个点的最短路径import networkx as nxG=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) print nexcept nx。NetworkXNoPath: print No path回到顶部强连通、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*- import networkx as nximport matplotlib。pyplot as pltG = nx。path_graph(4， create_using=nx。Graph（)0 1 2 3G = nx.path_graph(4, create_using=nx。DiGraph（）) #默认生成节点0 1 2 3，生成有向变0-1，1-2,23G。add_path(7, 8， 3） #生成有向边:7-8-3for c in nx。weakly_connected_components(G）： print cprint 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- import networkx as nximport matplotlib。pyplot as plt#G = nx。path_graph(4， create_using=nx.Graph（)）0 1 2 3G = 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)print conprint type（con）print list（con)nx.draw（G）plt。savefig(”youxiangtu。png)plt。show(）执行结果type generatorset（8, 1， 2, 3)， set（0)回到顶部子图-* coding:utf8-*- import networkx as nximport matplotlib。pyplot as pltG = 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()回到顶部条件过滤#原图-* coding:utf8import networkx as nximport matplotlib。pyplot as pltG = nx。DiGraph(）road_nodes = a:id：1, b:id：1， c:id:3, d:id：4road_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-import networkx as nximport matplotlib。pyplot as pltG = nx.DiGraph（)def flt_func_draw（)： flt_func = lambda d： did ！= 1 return flt_funcroad_nodes = a：id：1, b：id：1， c：id:3， d:id:4road_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) if flt_func(d）nx.draw（part_G)plt.savefig（youxiangtu。png)plt。show(）图回到顶部pred，succ-*- coding：utf8-import networkx as nximport matplotlib。pyplot as pltG = nx。DiGraph（）road_nodes = a:id：1， b:id：1, c:id：3road_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 as pred ， G。predaprint bs pred ”， G。predbprint cs pred ， G.predcprint ds pred ”, G。preddprint ”as succ ”， G。succaprint ”bs succ ”, G.succbprint cs succ ， G.succcprint ds succ ”， G.succdnx。draw（G）plt.savefig(”wuxiangtu。png)plt.draw（)结果123456789101112a,c，b，d(a，c）， （a,b), (c，d）as pred bs pred a： cs pred a： ds pred c： as succ c： , b: bs succ cs succ d: ds succ