1. 基本圖操作

導(dǎo)包

import networkx as nx import matplotlib.pyplot as plt

建立一個空的無向圖G

G = nx.Graph() # DiGraph() 有向圖

添加一個節(jié)點(diǎn)a

G.add_node('a')

加點(diǎn)集合

G.add_nodes_from(['b','c','d','e'])

加邊

G.add_edge('a','b') G.add_edges_from([('b','c'),('a','d')])

2. 其他方法

1.節(jié)點(diǎn)數(shù)量

print("01. 圖G的節(jié)點(diǎn)數(shù)：",G.number_of_nodes())

2. 輸出全部的節(jié)點(diǎn)

print("02. 圖G的全部節(jié)點(diǎn)：",G.nodes())

3. 輸出全部的邊

print("03. 圖G的全部邊：",G.edges())

4. 輸出邊的數(shù)量

print("04. 圖G的邊數(shù)：",G.number_of_edges())

5. 檢查節(jié)點(diǎn)n是否在G中，如在，返回true。

print("05. 節(jié)點(diǎn)n是否在G中：", 'n' in G)

6. 圖中各節(jié)點(diǎn)的度

print("06. 圖G的各節(jié)點(diǎn)的度：",nx.degree(G))

7. 圖中單個節(jié)點(diǎn)的度

print("07. 節(jié)點(diǎn)a的度：",nx.degree(G,'a'))

8. 圖G的度頻率

print("08. 圖G的度頻率：",nx.degree_histogram(G))

9. 圖G的密度 [無向]：d = 2m/n(n-1) [有向]：d=m/n(n-1)

print("09. 圖G的密度：",nx.density(G))

10. 圖G的信息

print("10. 圖G的信息：",nx.info(G))

11. 返回刪除所有邊的圖G的副本

G_1 = nx.create_empty_copy(G)

12. 判斷圖G是否是有向圖

print("12. 圖G是否是有向圖：",nx.is_directed(G))

13. 返回?zé)o向圖G的 有向圖視圖

G_2 = nx.to_directed(G)

14. 返回有向圖G的 無向圖視圖

G_3 = nx.to_undirected(G_2)

15. 圖G是否是空圖，即圖G是否無邊

print("15. 圖G是否沒有邊：",nx.is_empty(G))

16. 給圖G 添加/設(shè)置 中心節(jié)點(diǎn)，中心節(jié)點(diǎn)與其他節(jié)點(diǎn)序列均有邊相連，序列中第一個節(jié)點(diǎn)為中心節(jié)點(diǎn)

G_4 = nx.Graph() nx.add_star(G_4,['a','c','b','e','d']) G_4.add_node('f') G_4.add_edge('f','c')

17. 給圖G 添加/設(shè)置 一條路徑，路徑順序?yàn)楣?jié)點(diǎn)序列順序

G_5 = nx.DiGraph() # 有向圖 nx.add_path(G_5,['a','b','c','d','e'])

18. 給圖G 添加/設(shè)置 環(huán)

G_6 = nx.DiGraph() # 有向圖 nx.add_cycle(G_6,['a','b','c','d','e'])

19. 子圖

G_7 = nx.subgraph(G_6,['a','b','c'])

20. 圖G 去掉特定點(diǎn)和邊

G_8 = nx.cycle_graph(['a','b','c','d','e']) # 產(chǎn)生一個無向環(huán) G_8 = nx.restricted_view(G_8, ['e'], [('c', 'd'), ('a', 'b')])

21. 圖G 改變所有邊的方向

G_9 = nx.DiGraph() nx.add_path(G_9,['a','b','c','d','e']) G_9 = nx.reverse_view(G_9)

22. 圖G 返回由指定邊組成的子圖

G_10 = nx.path_graph(['a','b','c','d','e']) G_10 = G_10.edge_subgraph([('b', 'c'), ('d', 'e')])

23. 鄰居節(jié)點(diǎn)

print("23. 星型圖G_4中心節(jié)點(diǎn)a的鄰居節(jié)點(diǎn)",list(nx.neighbors(G_4,'a')))

24. 非鄰居節(jié)點(diǎn)

print("24. 星型圖G_4中心節(jié)點(diǎn)a的非鄰居節(jié)點(diǎn)",list(nx.non_neighbors(G_4,'a')))

25. 共同鄰居節(jié)點(diǎn)

G_11 = nx.complete_graph(['a','b','c','d','e']) # 完全圖 print("25. 節(jié)點(diǎn)a和節(jié)點(diǎn)c的 共同鄰居節(jié)點(diǎn)",list(nx.common_neighbors(G_11,'a','c')))

26. 返回圖中不存在的邊

G_12 = nx.create_empty_copy(G_11) # 將完全圖中的邊全部去掉 print("26. 圖G_12中不存在的邊：",list(nx.non_edges(G_12)))

27. 返回圖中自環(huán)的邊

G_13 = nx.MultiDiGraph() # or Graph, DiGraph, MultiDiGraph, etc G_13.add_nodes_from(['a','b']) G_13.add_edge('a', 'a') G_13.add_edge('a', 'b') print("27. 圖G_13中存在自環(huán)的邊：",list(nx.selfloop_edges(G_13)))

28. 圖中自環(huán)的數(shù)量

print("28. 圖G_13中自環(huán)的數(shù)量：",nx.number_of_selfloops(G_13))

29. 圖中存在自環(huán)的節(jié)點(diǎn)

print("29. 圖G_13中存在自環(huán)的節(jié)點(diǎn)：",list(nx.nodes_with_selfloops(G_13)))

30. 判斷是否存在加權(quán)邊

G_14 = nx.DiGraph() G_14.add_edge('a', 'b', weight=1) print("30. 圖G_14是否存在有權(quán)邊：",nx.is_weighted(G_14))

31. 判斷是否存在權(quán)值為負(fù)的邊

G_15 = nx.DiGraph() edges = [("a", "b", 3), ("b", "c", -5), ("c", "d", -2)] G_15.add_weighted_edges_from(edges) print("31. 圖G_14是否存在權(quán)值為負(fù)的邊：",nx.is_negatively_weighted(G_15))

32. 判斷是否路徑是否存在

print("32. 圖G_4中是否存在c-a-b的路徑：",nx.is_path(G_4,['c','a','b']))

33. 計(jì)算指定路徑的權(quán)值

print("31. 圖G_15中a-d路徑的權(quán)值：",nx.path_weight(G_15,['a','b','c','d'],'weight'))

34. ER隨機(jī)圖 【fast_gnp_random_graph /// erdos_renyi_graph 】

G_er = nx.fast_gnp_random_graph(n=10, p=0.35, directed=True) # n:節(jié)點(diǎn)個數(shù) p: 邊存在的概率 directed: 是否有向圖

35. WS小世界網(wǎng)絡(luò)

G_ws = nx.watts_strogatz_graph(n=10, k=4, p=0.21) # n:節(jié)點(diǎn)個數(shù) k: 與附件k個節(jié)點(diǎn)相連 p: 隨機(jī)重連概率

36. BA無標(biāo)度網(wǎng)絡(luò)

G_ba = nx.barabasi_albert_graph(n=300, m=1) # n:節(jié)點(diǎn)個數(shù) m: 新節(jié)點(diǎn)連接到現(xiàn)有節(jié)點(diǎn)的邊數(shù)

總結(jié)

以上是生活随笔為你收集整理的复杂网络分析——networkx的使用的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。