%pylab inline

import networkx as nx
Populating the interactive namespace from numpy and matplotlib
# 创建一个空图
G = nx.Graph()

节点

G.add_node(1)  # 添加一个节点
G.node
NodeView((1,))
G.add_nodes_from([2, 3])  # 添加多个节点
G.node
NodeView((1, 2, 3))

H 是一个有 \(10\) 个节点的链状图,即有 \(n\) 个节点 \(n-1\) 条边的连通图:

H = nx.path_graph(10)
nx.draw(H)
plt.show()

# 从 nbunch 中添加节点
G.add_nodes_from(H) # 或者 G.add_nodes_from(H.nodes())
G1 = nx.Graph()

G1.add_node(H)  # 将 H 当作节点
nx.draw(G1)  # 仅仅只有一个节点

现在图 G1 就包含了一个节点 H, 即该节点是一个图。可以看到这种灵活性是非常强大的,它允许图的图,文件的图,函数的图等等。因此我们应该好好思考如何构建我们的应用程序才能使我们的节点是有用的实体。当然我们可以在图中使用一个唯一的标识符或者使用一个不同的字典的键来标识节点信息。(如果该 hash 依赖于它的内容,则我们不应该改变节点对象)

nx.draw(G)

G = nx.Graph()
G.add_edge(1, 2) # 添加一条边
nx.draw(G)

等价于

e = (2, 3)
G.add_edge(*e)
nx.draw(G)

添加多条边

G.add_edges_from([(2, 4), (2, 1)])
nx.draw(G)

我们新添加节点和边时,NetworkX 会自动忽略掉已经存在的边和节点的添加:

G.add_edges_from(H.edges())   # 通过 ebunch 添加边
nx.draw(G)

我们可以用下列的方法拆除图:

G.remove_node(), G.remove_nodes_from(), G.remove_edge(), G.remove_edges_from()

G.remove_node(4)
nx.draw(G)

G.add_node("spam")       # 添加节点"spam"
nx.draw(G)

G.add_nodes_from("spam") # 添加节点's' 'p' 'a' 'm'
nx.draw(G)

我们可以通过如下函数查看图的属性:

print('节点数', G.number_of_nodes())

print('边数', G.number_of_edges())
节点数 14
边数 7
print('节点列表', G.nodes())
print('边列表', G.edges())
print('节点 2 的邻居节点列表', list(G.neighbors(2)))
节点列表 [1, 2, 3, 0, 5, 6, 7, 8, 9, 'spam', 's', 'p', 'a', 'm']
边列表 [(1, 2), (1, 0), (2, 3), (5, 6), (6, 7), (7, 8), (8, 9)]
节点 2 的邻居节点列表 [1, 3]

下面的内容参考 What to use as nodes and edges

节点和边的使用

在 NetworkX 中节点和边并没有被指定一个对象,因此你就可以自由地指定节点和边的对象。最常见的对象是数值和字符串,但是一个节点可以是任意 hash对象(除了 None 对象),一条边也可以关联任意的对象x,比如:

G.add_edge(a,b,object=x)

举个关于边关联对象的例子,假如ab 是两个人,而他们两个人之间的联系(边),可以是一个概率,即边的对象是一个概率值,表示这两个人之间每天通电话的可能性。

可以看到这是十分强大而且有用的,但是如果你滥用该方法将会导致意想不到的后果,除非你对 Python 真的很熟悉。如果你不是很确定,你可以考虑使用 conver_node_label_to_integers(),他可以将一个图的所有节点按顺序转化为整数对象赋给另一个图。

访问边

下面的是老版本的说法:

除了上面的提到的那些访问节点和边的方法以外( eg: Graph.nodes(), Graph.edges(), Graph.neighbors() …),当你只是想想要遍历它们时,迭代的版本 (eg: Graph.edges_iter()) 可以省去返回它们时创建如此很大的一个表去存储它们。

实际上,新版的 NetworkX 已经将它们默认封装为了迭代器。

快速直接的访问图的数据结构可以通过下表来实现。

(注意:不要去改变返回的字典,因为它是图数据结构中的一部分,直接的操作可能导致图处于一个不一致的状态。)

G = nx.Graph()
G.add_edge(1, 2, length = 10)
G.add_edge(1, 3, weight = 20)
G.add_edge(2, 3, capacity = 15)
nx.draw(G)

print(G[1])  # Warning: do not change the resulting dict
{2: {'length': 10}, 3: {'weight': 20}}
print(G[1][12])
{'length': 10}

You can safely set the attributes of an edge using subscript notation if the edge already exists.

G.add_edge(1,4)
G[1][13]['color']='blue'

Fast examination of all edges is achieved using adjacency iterators. Note that for undirected graphs this actually looks at each edge twice.

add_weight_edges_from 函数的作用是通过一个 ebunch 添加一些节点和边,边默认其属性为 ”weight”)

说明:其实 adjacency() 返回的是一个所有节点的二元组 (node, adjacency dict) 的迭代器

FG = nx.Graph()
FG.add_weighted_edges_from([(1,2,0.125),(1,3,0.75),(2,4,1.2),(3,4,0.375)])
nx.draw(FG)

for n, nbrs in FG.adjacency():
for nbr, eattr in nbrs.items():
data = eattr['weight']
if data < 0.5:
print('(%d, %d, %.3f)' % (n, nbr, data))
(1, 2, 0.125)
(2, 1, 0.125)
(3, 4, 0.375)
(4, 3, 0.375)

Convenient access to all edges is achieved with the edges method.

for (u,v,d) in FG.edges(data='weight'):
if d<0.5: print('(%d, %d, %.3f)'%(u,v,d))
(1, 2, 0.125)
(3, 4, 0.375)

NetworkX 使用(二)的更多相关文章

  1. Python可视化库

    转自小小蒲公英原文用Python可视化库 现如今大数据已人尽皆知,但在这个信息大爆炸的时代里,空有海量数据是无实际使用价值,更不要说帮助管理者进行业务决策.那么数据有什么价值呢?用什么样的手段才能把数 ...

  2. NetworkX系列教程(10)-算法之二:最小/大生成树问题

    小书匠 Graph 图论  重头戏部分来了,写到这里我感觉得仔细认真点了,可能在NetworkX中,实现某些算法就一句话的事,但是这个算法是做什么的,用在什么地方,原理是怎么样的,不清除,所以,我决定 ...

  3. 网络分析之networkx(转载)

    图的类型 Graph类是无向图的基类,无向图能有自己的属性或参数,不包含重边,允许有回路,节点可以是任何hash的python对象,节点和边可以保存key/value属性对.该类的构造函数为Graph ...

  4. 【转】介绍几个图论和复杂网络的程序库 —— BGL,QuickGraph,igraph和NetworkX

    原文来自:http://blog.sciencenet.cn/blog-404069-297233.html 作复杂网络研究离不开对各种实际或模拟网络的统计.计算.绘图等工作.对于一般性的工作,我们可 ...

  5. Social Network Analysis的Centrality总结,以及networkx实现EigenCentrality,PageRank和KatzCentrality的对比

    本文主要总结近期学习的Social Network Analysis(SNA)中的各种Centrality度量,我暂且翻译为中心度.本文主要是实战,理论方面几乎没有,因为对于庞大的SNA,我可能连门都 ...

  6. Python 学习 第十六篇:networkx

    networkx是Python的一个包,用于构建和操作复杂的图结构,提供分析图的算法.图是由顶点.边和可选的属性构成的数据结构,顶点表示数据,边是由两个顶点唯一确定的,表示两个顶点之间的关系.顶点和边 ...

  7. NetworkX 使用(三)

    官方教程 博客:NetworkX NetworkX 使用(二) Introduction to Graph Analysis with NetworkX %pylab inline import ne ...

  8. 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 ...

  9. python3 networkx

    一.networkx 1.用于图论和复杂网络 2.官网:http://networkx.github.io/ 3.networkx常常结合numpy等数据处理相关的库一起使用,通过matplot来可视 ...

随机推荐

  1. PyQt4 里的表格部件的使用方法: QTableWidget

    PyQt4 里的表格部件的使用方法: QTableWidget QT下QTableWidget使用方法小结 - - 博客频道 - CSDN.NET http://blog.csdn.net/jingz ...

  2. static_cast、dynamic_cast、reinterpret_cast、和const_c

    ;double dval = 3.14159; ival + dval;//ival被提升为double类型 2)一种类型表达式赋值给另一种类型的对象:目标类型是被赋值对象的类型 int *pi =  ...

  3. solr4.10.3部署到tomcat——(十)

    0. 准备环境:

  4. weblogica 目录结构 简单介绍 创建domain domain所在目录

    1. samples 创建过程略过 domain的目录 [weblogic@node2 base_domain]$ pwd /home/weblogic/Oracle/Middleware/Oracl ...

  5. jmeter,测登录,要不要过滤掉JS,CSS等请求?感觉过滤掉了压出来的数据就不真实?

    首先,我们来明确下你的性能测试目的,你的目的是服务端的性能还是前端的性能.这两用目的所涉及到的测试场景和工具等方法是不一样的.1.我们先来谈谈服务端的性能.一般的web产品,像css, jpeg等这种 ...

  6. Vim 快捷键整理【转】

    转自:http://blog.csdn.net/ceven2010/article/details/7406341 一.移动光标 1.左移h.右移l.下移j.上移k 2.向下翻页ctrl + f,向上 ...

  7. js选择checkbox值,组织成key-value形式,传值到后台

    最近项目中遇到这样一个问题,接口定义需要传一个Map<String,String[]> params的参数,需要在jsp页面组织数据到后台操作,所以记下来以后难免还会用到. 以下是java ...

  8. Hadoop(三):MapReduce程序(python)

    使用python语言进行MapReduce程序开发主要分为两个步骤,一是编写程序,二是用Hadoop Streaming命令提交任务. 还是以词频统计为例 一.程序开发1.Mapper for lin ...

  9. window.onload绑定多个事件 —— 两种解决方案

    前言 有些函数,必须在网页加载完毕后执行.比如:涉及DOM操作的. 网页加载完毕时会触发一个onload事件,将函数绑定到这个事件上即可. window.onload = myFunction; 问题 ...

  10. 【鬼脸原创】谷歌扩展--知乎V2.0

    目的: 用键盘替代鼠标,做一个安静刷知乎的美男(女)子! 功能:   功能 按键 说明 直接定位到搜索框 q   打开 首页 w   打开 话题 e   打开 发现 r   打开 消息 m   打开 ...