笔记

# https://www.jianshu.com/p/e543dc63454f
import networkx as nx
import matplotlib.pyplot as plt ############################################################################# (创建)初始化图模型
"""
nx.Graph() 简单无向图
g = nx.DiGraph() 简单有向图
g = nx.Grap(),DiGraph() 有自环
nx.MultiGraph(), nx.MultiDiGraph() 有重边
"""
g = nx.Graph()
g.clear() # 将图上元素清空 ############################################################################## 添加节点
"""
+ 节点可以是任意数据类型
+ 添加一个节点 g.add_node(ele)
g.add_node(1)
g.add_node("a")
g.add_node("spam")
+ 添加一组节点:提前构建好了一个节点列表,将其一次性加进来,这跟后边加边的操作是具有一致性的 g.add_nodes_from(eles)
g.add_nodes_from([2,3])
g.add_nodes_from(a) # 其中,a = [2,3]
+ 区别:
g.add_node("spam") # 添加了一个名为spam的节点
g.add_nodes_from("spam") # 添加了4个节点,名为s,p,a,m
g.nodes() # 可将以上5个节点打印出来看看
+ 其它: 加一组从0开始的连续数字的节点
H = nx.path_graph(10)
g.add_nodes_from(H) # 将0~9加入了节点 # #但请勿使用g.add_node(H)
"""
# g.add_node("spam") # 添加了一个名为spam的节点
# g.add_nodes_from(["a","b","c","d","e","f"]) # 添加了4个节点,名为s,p,a,m H = nx.path_graph(4)
g.add_nodes_from(H) # 将0~9加入了节点 # #但请勿使用g.add_node(H)
############################################################################## 移除节点
"""
+ 与添加节点同理
"""
# g.remove_node(node_name)
# g.remove_nodes_from(nodes_list) ############################################################################## 添加边
"""
+ 边是由对应节点的名字的元组组成,加一条边
+ 加入一条边 g.add_edge(eleA,eleB)
g.add_edge(1,2);
e = (2,3);
g.add_edge(*e) #直接g.add_edge(e)数据类型不对,*是将元组中的元素取出
+ 加入一组边 g.add_edges_from([(eleA,eleB),...,(eleC,eleD)])
g.add_edges_from([(1,2),(1,3)])
g.add_edges_from([("a","spam") , ("a",2)])
+ 加入一组系列连续的边 nx.path_graph(n)
n = 10
H = nx.path_graph(n)
g.add_edges_from(H.edges()) #添加了0~1,1~2 ... n-2~n-1这样的n-1条连续的边
+ 补充
G.add_weight_edges_from(list)
G.add_weight_edge(1,2,3.0) # 第三个是权值
G.add_edges_from(list) # 添加列表中的边
"""
# g.add_edge(1,2);
# e = (2,3);
# g.add_edge(*e) #直接g.add_edge(e)数据类型不对,*是将元组中的元素取出
############################################################################## 删除边
"""
g.remove_edge(edge)
g.remove_edges_from(edges_list)
""" ############################################################################## 查看图上节点和边的信息
""" g = nx.Graph(day="Monday")
g.graph # {'day': 'Monday'} # 查看图模型
g.graph['day'] = 'Tuesday' # g.graph # {'day': 'Tuesday'} # 修改图模型
g.number_of_nodes() # 查看点的数量
g.number_of_edges() # 查看边的数量
g.nodes() # 返回所有点的信息(list)
g.edges() # 返回所有边的信息(list中每个元素是一个tuple)
g.neighbors(1) # 所有与1这个点相连的点的信息以列表的形式返回 + 节点属性设置
g.add_node('benz', money=10000, fuel="1.5L")
print g.node['benz'] # {'fuel': '1.5L', 'money': 10000}
print g.node['benz']['money'] # 10000
print g.nodes(data=True) # data默认false就是不输出属性信息,修改为true,会将节点名字和属性信息一起输出
g[1] #查看所有与1相连的边的属性,格式输出:{0: {}, 2: {}} 表示1和0相连的边没有设置任何属性(也就是{}没有信息),同理1和2相连的边也没有任何属性
+ Directed graphs
+ DG = nx.DiGraph()
+ DG.add_weighted_edges_from([(1,2,0.5), (3,1,0.75), (1,4,0.3)]) # 添加带权值的边
+ DG.out_degree(1) # 打印结果:2 表示:找到1的出度
+ DG.out_degree(1, weight='weight') # 打印结果:0.8 表示:从1出去的边的权值和,这里权值是以weight属性值作为标准,如果你有一个money属性,那么也可以修改为weight='money',那么结果就是对money求和了
+ DG.successors(1) # [2,4] 表示1的后继节点有2和4
+ DG.predecessors(1) # [3] 表示只有一个节点3有指向1的连边
+ MG=nx.MultiGraph()
MG.add_weighted_edges_from([(1,2,.5), (1,2,.75), (2,3,.5)])
print 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)
print nx.shortest_path(GG,1,3) # [1, 2, 3]
"""
print(g.nodes(data=True)) ############################################################################## 绘制图像 (画布)
nx.draw(g,with_labels=True)
# nx.draw(g) # 绘制
# nx.draw(g, pos=nx.spectral_layout(g), nodecolor='y', edge_color='b');
# nx.draw_networkx(BG, pos, edges=edges, labels=labels) # BG = nx.Graph() ; edges = BG.edges();pos = dict() ; labels = dict((n, "(" + n + "," + d['_type'] + ")") for n,d in BG.nodes(data=True))
############################################################################## 显示图像
"""
plt.show() # 控制台显示图像
plt.savefig("C:/Users/千千寰宇/Desktop/path.png") # 存储图像 (存储/显示)二选一
"""
plt.show()
# plt.savefig("C:/Users/千千寰宇/Desktop/path.png") # 存储图像 (存储/显示)二选一

Demo

# coding = utf-8
import networkx as nx
import matplotlib.pyplot as plt # 解决图像中的中文乱码问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.family']='sans-serif' g = nx.DiGraph();
g.clear(); g.add_edge("可爱","菇凉",label="test",weight=4.7);
g.add_edge("漂亮","菇凉",weight=0.98);
g.add_edge("悲伤","菇凉"); g.edges["悲伤", "菇凉"]['color'] = "blue" g["可爱"]["菇凉"]['color'] = "yellow"
print(g);
# g.add_node("可爱")
# g.add_node("漂亮");
# g.add_node("悲伤"); # g.add_node("菇凉"); print(g.nodes())
print(g.nodes().data()) # 显示边的数据
print(g.edges().data()) # nx.draw(g,with_labels=True) # 显示节点的名称 # 显示边的标签信息
pos=nx.spring_layout(g);
nx.draw_spring(g,with_labels=True); # 显示节点的名称
nx.draw_networkx_edge_labels(g,pos,font_size=14,alpha=0.5,rotate=True); plt.axis('off')
plt.show()
 # output
['可爱', '菇凉', '漂亮', '悲伤']
[('可爱', {}), ('菇凉', {}), ('漂亮', {}), ('悲伤', {})]
[('可爱', '菇凉', {'label': 'test', 'weight': 4.7, 'color': 'yellow'}), ('漂亮', '菇凉', {'weight': 0.98}), ('悲伤', '菇凉', {'color': 'blue'})]

Python之网络模型与图形绘制工具networkx的更多相关文章

  1. Graphviz--图形绘制工具

    可以试试ProcessOn.com, 一个专业在线画流程图的工具,使用Chrome&Firefox浏览器,支持快捷键,非常方便.快捷键如下:Ctrl+A 全选,当移动整张图时非常方便Ctrl+ ...

  2. python库之turtle(图形绘制) 开启新的快乐源泉

    相信有不少人学习python 都是听了老前辈的推荐 “学python好,python有趣的代码多” 比如说画一只小狮子 这就是今天想要介绍的绘制图形库-turtle 如果也想这样画一只小狮子,或者其他 ...

  3. 014 Python基本图形绘制小结

    目录 一.Python基本语法元素 1.1 温度转换 二.Python基本图形绘制 2.1 Python蟒蛇绘制 一.Python基本语法元素 缩进.注释.命名.变量.保留字 数据类型.字符串. 整数 ...

  4. python下的复杂网络编程包networkx的使用(摘抄)

    原文:http://blog.sciencenet.cn/home.php?mod=space&uid=404069&do=blog&classid=141080&vi ...

  5. 【神经网络与深度学习】【python开发】caffe-windows使能python接口使用draw_net.py绘制网络结构图过程

    [神经网络与深度学习][python开发]caffe-windows使能python接口使用draw_net.py绘制网络结构图过程 标签:[神经网络与深度学习] [python开发] 主要是想用py ...

  6. 13个JavaScript图表(JS图表)图形绘制插件【转】

    现在网络上又有越来越多的免费的(JS 图表)JavaScript图表图形绘制插件.我之前给一家网站做过复杂的图形,我们用的是 highchart.在那段时间,没有很多可供选择的插件.但现在不同了,很容 ...

  7. 推荐12个最好的 JavaScript 图形绘制库

    众多周知,图形和图表要比文本更具表现力和说服力.图表是数据图形化的表示,通过形象的图表来展示数据,比如条形图,折线图,饼图等等.可视化图表可以帮助开发者更容易理解复杂的数据,提高生产的效率和 Web  ...

  8. python下的复杂网络编程包networkx的安装及使用

    由于py3.x与工具包的兼容问题,这里采用py2.7 1.python下的复杂网络编程包networkx的使用: http://blog.sina.com.cn/s/blog_720448d30101 ...

  9. 13个JavaScript图表(JS图表)图形绘制插件

    转自:http://blog.jobbole.com/13671/ 1. Flash 过去是最佳解决方案,但很多人多在从那迁移: 2. 现代浏览器及其更强大的计算能力,使其在转化绘制实时数据方面的能力 ...

随机推荐

  1. String 类的常用方法都有那些?(未完成)

    String 类的常用方法都有那些?(未完成)

  2. 关于SendMessage和PostMessage的理解的例子

    对于SendMessage 和 PostMessage 平时口头的解释是 SendMessage 发送消息后等待返回, PostMessage 发送消息后立即返回 . 但是这样解释还是不具体,什么叫等 ...

  3. ubuntu卸载/更新Cmake

    CMake安装或CMake Error at CMakeLists 发生情景: 使用cmake命令安装软件时,报如下错误: CMake Error at CMakeLists.txt:4 (CMAKE ...

  4. MyBatis-07-分页

    7.分页 思考:为什么要分页? 减少数据的处理量 7.1.使用Limit分页 select * from user limit startIndex,pageSize 使用Mybatis实现分页,核心 ...

  5. python--ctypes模块:调用C函数

    Python 的 ctypes 要使用 C 函数,需要先将 C 编译成动态链接库的形式,即 Windows 下的 .dll 文件,或者 Linux 下的 .so 文件 Windows 系统下的 C 标 ...

  6. mybatis标签selectkey无法返回主键值

  7. 制作自己的livecd

    把现有ubuntu系统打包,迁移到另外一台硬件一模一样的机器上. https://zhuanlan.zhihu.com/p/51827233 https://blog.csdn.net/vah101/ ...

  8. Transformer模型总结

    Transformer改进了RNN最被人诟病的训练慢的缺点,利用self-attention机制实现快速并行. 它是由编码组件.解码组件和它们之间的连接组成. 编码组件部分由一堆编码器(6个 enco ...

  9. c 判断一个字符是否为字母数字

    #include <stdio.h> #include <wctype.h> int main () { int i; wchar_t str[] = L"c3po. ...

  10. python 绘制f(x)=x^2

    code import turtle import math turtle.speed() # 画一个平方的函数 turtle.penup() turtle., *) turtle.pendown() ...