Python networkx包的实现
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。顶点和边也可以拥有更多的属性，以存储更多的信息。
对于networkx创建的无向图，允许一条边的两个顶点是相同的，即允许出现自循环，但是不允许两个顶点之间存在多条边，即出现平行边。边和顶点都可以有自定义的属性，属性称作边和顶点的数据，每一个属性都是一个Key:Value对。
一，创建图
在创建图之前，需要导入networkx模块，通常设置别名为nx；如果创建的图中，顶点之间的边没有方向，那么该图称作无向图。在创建图时，可以通过help(g)来获得图的帮助文档。
importnetworkxasnx g=nx.Graph()#创建空的无向图 g=nx.DiGraph()#创建空的有向图
二，图的顶点
图中的每一个顶点Node都有一个关键的ID属性，用于唯一标识一个节点，ID属性可以整数或字符类型；顶点除了ID属性之外，还可以自定义其他的属性。
1，向图中增加顶点
在向图中增加顶点时，可以一次增加一个顶点，也可以一次性增加多个顶点，顶点的ID属性是必需的。在添加顶点之后，可以通过g.nodes()函数获得图的所有顶点的视图，返回的实际上NodeView对象；如果为g.nodes(data=True)的data参数设置为true，那么返回的是NodeDataView对象，该对象不仅包含每个顶点的ID属性，还包括顶点的其他属性。
g.add_node(1) g.add_nodes_from([2,3,4]) g.nodes() #NodeView((1,2,3,4))
在向图中添加顶点时，除ID属性之外，也可以向顶点中增加自定义的属性，例如，名称属性，权重属性：
>>>g.add_node(1,name='n1',weight=1) >>>g.add_node(2,name='n2',weight=1.2)
2，查看顶点的属性
通过属性_node获得图的所有顶点和属性的信息，_node属性返回的是一个字典结构，字典的Key属性是顶点的ID属性，Value属性是顶点的其他属性构成的一个字典。
>>>g._node
{1:{'name':'n1','weight':1},2:{'name':'n2','weight':1.2},3:{},4:{}}
>>>g.nodes(data=True)
可以通过顶点的ID属性来查看顶点的其他属性：
>>>g.node[1]
{'name':'n1','weight':1}
>>>g.node[1]['name']
'n1new'
通过g.nodes()，按照特定的条件来查看顶点：
>>>list(g.nodes(data=True))
[(1,{'time':'5pm'}),(3,{'time':'2pm'})]
3，删除顶点
通过remove函数删除图的顶点，由于顶点的ID属性能够唯一标识一个顶点，通常删除顶点都需要通过传递ID属性作为参数。
g.remove_node(node_ID) g.remove_nodes_from(nodes_list)
4，更新顶点
更新图的顶点，有两种方式，第一种方式使用字典结构的_update函数，第二种方式是通过索引来设置新值：
>>>g._node[1].update({'name':'n1new'})
>>>g.node[1]['name']='n1new'
{1:{'name':'n1new','weight':1},2:{'name':'n2','weight':1.2},3:{},4:{}}
5，删除顶点的属性
使用del命令删除顶点的属性
delg.nodes[1]['room']
6，检查是否存在顶点
检查一个顶点是否存在于图中，可以使用ning方式来判断，也可以使用函数：
g.has_node(n)
三，图的边
图的边用于表示两个顶点之间的关系，因此，边是由两个顶点唯一确定的。为了表示复杂的关系，通常会为边增加一个权重weight属性；为了表示关系的类型，也会设置为边设置一个关系属性。
1，向图中增加边
边是由对应顶点的名称构成的，例如，顶点2和3之间有一条边，记作e=(2,3)，通过add_edge(node1,node2)向图中添加一条边，也可以通过add_edges_from(list)向图中添加多条边；在添加边时，如果顶点不存在，那么networkx会自动把相应的顶点加入到图中。
g.add_edge(2,3) g.add_edges_from([(1,2),(1,3)]) g.edges() #EdgeView([(1,2),(1,3),(2,3)])
可以向边中增加属性，例如，权重，关系等：
g.add_edge(1,2,weight=4.7,relationship='renew')
由于在图中，边的权重weight是非常有用和常用的属性，因此，networkx模块内置以一个函数，专门用于在添加边时设置边的权重，该函数的参数是三元组，前两个字段是顶点的ID属性，用于标识一个边，第三个字段是边的权重：
g.add_weighted_edges_from([(1,2,0.125),(1,3,0.75),(2,4,1.2),(3,4,0.375)])
在增加边时，也可以一次增加多条边，为不同的边设置不同的属性：
g.add_edges_from([(1,2,{'color':'blue'}),(2,3,{'weight':8})])
2，查看边的属性
查看边的属性，就是查看边的数据(data)，查看所有边及其属性：
>>>g.edges(data=True)
EdgeDataView([(1,2,{}),(1,3,{}),(2,3,{})])
查看特定的边的信息有两种方式：
>>>g[1][2]
>>>g.get_edge_data(1,2)
{'weight':0.125,'relationship':'renew','color':'blue'}
3，删除边
边是两个顶点的ID属性构成的元组，通过edge=(node1,node2)来标识边，进而从图中找到边：
g.remove_edge(edge) g.remove_edges_from(edges_list)
4，更新边的属性
通过边来更新边的属性，由两种方式，一种是使用update函数，一种是通过属性赋值来实现：
g[1][2]['weight']=4.7
g.edge[1][2]['weight']=4
g[1][2].update({"weight":4.7})
g.edges[1,2].update({"weight":4.7})
5，删除边的属性
通过del命令来删除边的属性
delg[1][2]['name']
6，检查边是否存在
检查一条边是否存在于图中
g.has_edge(1,2)
四，图的属性
图的属性主要是指相邻数据，节点和边。
1，adj
ajd返回的是一个AdjacencyView视图，该视图是顶点的相邻的顶点和顶点的属性，用于显示用于存储与顶点相邻的顶点的数据，这是一个只读的字典结构，Key是顶点，Value是顶点的属性数据。
>>>g.adj[1][2]
{'weight':0.125,'relationship':'renew','color':'blue'}
>>>g.adj[1]
AtlasView({2:{'weight':0.125,'relationship':'renew','color':'blue'},3:{'weight':0.75}})
2，edges
图的边是由边的两个顶点唯一确定的，边还有一定的属性，因此，边是由两个顶点和边的属性构成的：
>>>g.edges
EdgeView([(1,2),(1,3),(2,3),(2,4),(3,4)])
>>>g.edges.data()
EdgeDataView([(1,2,{'weight':0.125,'relationship':'renew','color':'blue'}),
(1,3,{'weight':0.75}),
(2,3,{'weight':8}),
(2,4,{'weight':1.2}),
(3,4,{'weight':0.375})])
EdgeView仅仅提供边的信息，可以通过属性g.edges或函数g.edges()来获得图的边视图。
EdgeDataView提供图的边和边的属性，可以通过EdgeView对象来调用data()函数获得。
3，nodes
图的顶点是顶点和顶点的属性构成的
>>>g.nodes
NodeView((1,2,3,4))
>>>g.nodes.data()
NodeDataView({1:{'name':'n1new','weight':1},2:{'name':'n2','weight':1.2},3:{},4:{}})
NodeView通过属性g.nodes或函数g.nodes()来获得。
NodeDataView提供图的边和边的属性，可以通过NodeView对象来调用data()函数获得。
4，degree
对于无向图，顶点的度是指跟顶点相连的边的数量；对于有向图，顶点的图分为入度和出度，朝向顶点的边称作入度；背向顶点的边称作出度。
通过g.degree或g.degree()能够获得DegreeView对象，
五，图的遍历
图的遍历是指按照图中各顶点之间的边，从图中的任一顶点出发，对图中的所有顶点访问一次且只访问一次。图的遍历按照优先顺序的不同，通常分为深度优先搜索（DFS）和广度优先搜索（BFS）两种方式。
1，查看顶点的相邻顶点
查看顶点的相邻顶点，有多种方式，例如，以下代码都用于返回顶点1的相邻顶点，g[n]表示图g中，与顶点n相邻的所有顶点：
g[n] g.adj[n] g.neighbors(n)
其中，g.neighbors(n)是g.adj[n]的迭代器版本。
2，查看图的相邻
该函数返回顶点n和相邻的节点信息：
>>>forn,nbrsing.adjacency(): ...print(n) ...print(nbrs)
3，图的遍历
深度优先遍历的算法：
- 首先以一个未被访问过的顶点作为起始顶点，沿当前顶点的边走到未访问过的相邻顶点；
- 当当前顶点没有未访问过的相邻顶点时，则回到上一个顶点，继续试探别的相邻顶点，直到所有的顶点都被访问过。
深度优先遍历算法的思想是：从一个顶点出发，一条路走到底；如果此路走不通，就返回上一个顶点，继续走其他路。
广度优先遍历的算法：
- 从顶点v出发，依次访问v的各个未访问过的相邻顶点；
- 分别从这些相邻顶点出发依次访问它们的相邻顶点；
广度优先遍历算法的思想是：以v为起点，按照路径的长度，由近至远，依次访问和v有路径相通且路径长度为1,2...，n的顶点。
在进行图遍历时，需要访问顶点的相邻顶点，这需要用到adjacency()函数，例如，g是一个无向图，n是顶点，nbrs是顶点n的相邻顶点，是一个字典结构
forn,nbrsing.adjacency(): print(n,nbrs) fornbr,attrinnbrs.items(): #nbr表示跟n连接的顶点，attr表示这两个点连边的属性集合 print(nbr,attr）
六，绘制Graph
使用networkx模块draw()函数构造graph，使用matplotlib把图显示出来：
nx.draw(g) importmatplotlib.pyplotasplt plt.show()
修改顶点和边的颜色：
g=nx.cubical_graph() nx.draw(g,pos=nx.spectral_layout(g),nodecolor='r',edge_color='b') plt.show()
完整的示例如下面的代码所示：
frommatplotlibimportpyplotasplt importnetworkxasnx g=nx.Graph() g.add_nodes_from([1,2,3]) g.add_edges_from([(1,2),(1,3)]) nx.draw_networkx(g) plt.show()
七，计算每个顶点的PageRank值
每个顶点的PageRank（简称PR）值，是访问顶点的概率，可以通过networkx.pagerank()函数来计算，该函数根据顶点的入边和边的权重来计算顶点的PR值，也就是说，PR值跟顶点的入边有关，跟入边的weight（权重）属性有关：
pagerank(g,alpha=0.85,personalization=None,max_iter=100,tol=1e-06,nstart=None,weight='weight',dangling=None)
常用参数注释：
- g：无向图会被转换为有向图，一条无向边转换为两条有向边；
- alpha：阻尼参数，默认值是0.85，取值范围为0到1,代表从图中某一特定点指向其他任意点的概率；
- weight：默认值是weight，表示使用edge的weight属性作为权重，如果没有指定，那么把edge的权重设置为1；
1，举个例子
例如，创建一个有向图，由三个顶点（A、B和C），两条边（A指向B，A指向C），边的权重都是0.5
g=nx.DiGraph()
g.add_weighted_edges_from([('A','B',0.5),('A','C',0.5)])
print(nx.pagerank(g))
#{'A':0.259740259292235,'C':0.3701298703538825,'B':0.3701298703538825}
修改边的权重，并查看顶点的PR值：
g['A']['C']['weight']=1
print(nx.pagerank(g))
#{'A':0.259740259292235,'C':0.40692640737443164,'B':0.3333333333333333}
2，查看各个顶点的PR值
根据图来创建PageRank，并查看各个顶点的PageRank值
pr=nx.pagerank(g)
#page_rank_value=pr[node]
fornode,pageRankValueinpr.items():
print("%s,%.4f"%(node,pageRankValue))
参考文档：
pythonnetworkx包绘制复杂网络关系图
社会网络分析与挖掘---Python之networkx介绍
python之networkx库小结
python复杂网络分析库NetworkX
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。