python networkx 包绘制复杂网络关系图的实现


Posted in Python onJuly 10, 2019

1. 创建一个图

import networkx as nx
g = nx.Graph()
g.clear() #将图上元素清空

所有的构建复杂网络图的操作基本都围绕这个g来执行。

2. 节点

节点的名字可以是任意数据类型的,添加一个节点是

g.add_node(1)
g.add_node("a")
g.add_node("spam")

添加一组节点,就是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([2,3])
or 
a = [2,3]
g.add_nodes_from(a)

这里需要值得注意的一点是,对于add_node加一个点来说,字符串是只添加了名字为整个字符串的节点。但是对于

add_nodes_from加一组点来说,字符串表示了添加了每一个字符都代表的多个节点,exp:
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() #可以将以上5个节点打印出来看看

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)

删除节点

与添加节点同理

g.remove_node(node_name)
g.remove_nodes_from(nodes_list)

3. 边

边是由对应节点的名字的元组组成,加一条边

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

加一组边

g.add_edges_from([(1,2),(1,3)])
g.add_edges_from([("a","spam") , ("a",2)])

通过nx.path_graph(n)加一系列连续的边

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

删除边

同理添加边的操作

g.remove_edge(edge)
g.remove_edges_from(edges_list)

4. 查看图上点和边的信息

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
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

method explanation
Graph.has_node(n) Return True if the graph contains the node n.
Graph.__contains__(n) Return True if n is a node, False otherwise.
Graph.has_edge(u, v) Return True if the edge (u,v) is in the graph.
Graph.order() Return the number of nodes in the graph.
Graph.number_of_nodes() Return the number of nodes in the graph.
Graph.__len__() Return the number of nodes.
Graph.degree([nbunch, weight]) Return the degree of a node or nodes.
Graph.degree_iter([nbunch, weight]) Return an iterator for (node, degree).
Graph.size([weight]) Return the number of edges.
Graph.number_of_edges([u, v]) Return the number of edges between two nodes.
Graph.nodes_with_selfloops() Return a list of nodes with self loops.
Graph.selfloop_edges([data, default]) Return a list of selfloop edges.
Graph.number_of_selfloops() Return the number of selfloop edges.

5. 图的属性设置

为图赋予初始属性

g = nx.Graph(day="Monday") 
g.graph # {'day': 'Monday'}

修改图的属性

g.graph['day'] = 'Tuesday'
g.graph # {'day': 'Tuesday'}

6. 点的属性设置

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

7. 边的属性设置

通过上文中对g[1]的介绍可知边的属性在{}中显示出来,我们可以根据这个秀改变的属性

g.clear()
n = 10
H = nx.path_graph(n)
g.add_nodes_from(H)
g.add_edges_from(H.edges())
g[1][2]['color'] = 'blue'

g.add_edge(1, 2, weight=4.7)
g.add_edges_from([(3,4),(4,5)], color='red')
g.add_edges_from([(1,2,{'color':'blue'}), (2,3,{'weight':8})])
g[1][2]['weight'] = 4.7
g.edge[1][2]['weight'] = 4

8. 不同类型的图(有向图Directed graphs , 重边图 Multigraphs)

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
print DG.out_degree(1) # 打印结果:2 表示:找到1的出度
print 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
print DG.successors(1) # [2,4] 表示1的后继节点有2和4
print DG.predecessors(1) # [3] 表示只有一个节点3有指向1的连边

Multigraphs

简答从字面上理解就是这种复杂网络图允许你相同节点之间允许出现重边

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]

9.  图的遍历

g = nx.Graph()
g.add_weighted_edges_from([(1,2,0.125),(1,3,0.75),(2,4,1.2),(3,4,0.375)])
for n,nbrs in g.adjacency_iter(): #n表示每一个起始点,nbrs是一个字典,字典中的每一个元素包含了这个起始点连接的点和这两个点连边对应的属性
 print n, nbrs
 for nbr,eattr in nbrs.items():
  # nbr表示跟n连接的点,eattr表示这两个点连边的属性集合,这里只设置了weight,如果你还设置了color,那么就可以通过eattr['color']访问到对应的color元素
  data=eattr['weight']
  if data<0.5: print('(%d, %d, %.3f)' % (n,nbr,data))

10. 图生成和图上的一些操作

下方的这些操作都是在networkx包内的方法

subgraph(G, nbunch)  - induce subgraph of G on nodes in nbunch
union(G1,G2)    - graph union
disjoint_union(G1,G2) - graph union assuming all nodes are different
cartesian_product(G1,G2) - return Cartesian product graph
compose(G1,G2)   - combine graphs identifying nodes common to both
complement(G)   - graph complement
create_empty_copy(G)  - return an empty copy of the same graph class
convert_to_undirected(G) - return an undirected representation of G
convert_to_directed(G) - return a directed representation of G

11. 图上分析

g = nx.Graph()
g.add_edges_from([(1,2), (1,3)])
g.add_node("spam") 
nx.connected_components(g) # [[1, 2, 3], ['spam']] 表示返回g上的不同连通块
sorted(nx.degree(g).values())

通过构建权值图,可以直接快速利用dijkstra_path()接口计算最短路程

>>> G=nx.Graph()
>>> e=[('a','b',0.3),('b','c',0.9),('a','c',0.5),('c','d',1.2)]
>>> G.add_weighted_edges_from(e)
>>> print(nx.dijkstra_path(G,'a','d'))
['a', 'c', 'd']

12. 图的绘制

下面是4种图的构造方法,选择其中一个

nx.draw(g)
nx.draw_random(g) #点随机分布
nx.draw_circular(g) #点的分布形成一个环
nx.draw_spectral(g)

最后将图形表现出来

import matplotlib.pyplot as plt
plt.show()

将图片保存到下来

nx.draw(g)
plt.savefig("path.png")

修改节点颜色,边的颜色

g = nx.cubical_graph()
nx.draw(g, pos=nx.spectral_layout(g), nodecolor='r', edge_color='b')
plt.show()

13. 图形种类的选择

Graph Type NetworkX Class
简单无向图 Graph()
简单有向图 DiGraph()
有自环 Grap(),DiGraph()
有重边 MultiGraph(), MultiDiGraph()

reference:https://networkx.github.io/documentation/networkx-1.10/reference/classes.html

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三水点靠木。

Python 相关文章推荐
python实现爬虫统计学校BBS男女比例之多线程爬虫(二)
Dec 31 Python
使用pandas对矢量化数据进行替换处理的方法
Apr 11 Python
浅谈Tensorflow由于版本问题出现的几种错误及解决方法
Jun 13 Python
python实现狄克斯特拉算法
Jan 17 Python
Python Django给admin添加Action的方法实例详解
Apr 29 Python
Pycharm使用之设置代码字体大小和颜色主题的教程
Jul 12 Python
opencv-python 读取图像并转换颜色空间实例
Dec 09 Python
python使用SQLAlchemy操作MySQL
Jan 02 Python
Python+Dlib+Opencv实现人脸采集并表情判别功能的代码
Jul 01 Python
Python+Appium实现自动化清理微信僵尸好友的方法
Feb 04 Python
Python的collections模块真的很好用
Mar 01 Python
解析python中的jsonpath 提取器
Jan 18 Python
python卸载后再次安装遇到的问题解决
Jul 10 #Python
Python求离散序列导数的示例
Jul 10 #Python
Python Matplotlib 基于networkx画关系网络图
Jul 10 #Python
我们为什么要减少Python中循环的使用
Jul 10 #Python
详解Python中的各种转义符\n\r\t
Jul 10 #Python
使用python画社交网络图实例代码
Jul 10 #Python
python 绘制拟合曲线并加指定点标识的实现
Jul 10 #Python
You might like
修改了一个很不错的php验证码(支持中文)
2007/02/14 PHP
destoon实现调用自增数字从1开始的方法
2014/08/21 PHP
PHP获取文件夹大小函数用法实例
2015/07/01 PHP
基于jquery的网页SELECT下拉框美化代码
2010/10/28 Javascript
jQuery 源码分析笔记(7) Queue
2011/06/19 Javascript
JavaScript返回上一页的三种方法及区别介绍
2015/07/04 Javascript
javascript实现网页子页面遍历回调的方法(涉及 window.frames、递归函数、函数上下文)
2015/07/27 Javascript
如何用js 实现依赖注入的思想,后端框架思想搬到前端来
2015/08/03 Javascript
jquery实现定时自动轮播特效
2015/12/10 Javascript
搭建简单的nodejs http服务器详解
2017/03/09 NodeJs
Angular2 之 路由与导航详细介绍
2017/05/26 Javascript
Angularjs上传文件组件flowjs功能
2017/08/07 Javascript
Node.js利用断言模块assert进行单元测试的方法
2017/09/28 Javascript
nodejs 十六进制字符串型数据与btye型数据相互转换
2018/07/30 NodeJs
Vuex 快速入门(简单易懂)
2018/09/20 Javascript
Vue表单输入绑定的示例代码
2018/11/01 Javascript
vue cli4下环境变量和模式示例详解
2020/04/09 Javascript
在Python中处理时间之clock()方法的使用
2015/05/22 Python
python strip() 函数和 split() 函数的详解及实例
2017/02/03 Python
100行python代码实现跳一跳辅助程序
2018/01/15 Python
Python使用gRPC传输协议教程
2018/10/16 Python
使用Python实现企业微信的自动打卡功能
2019/04/30 Python
python 字段拆分详解
2019/12/17 Python
python简单的三元一次方程求解实例
2020/04/02 Python
使用Python爬取Json数据的示例代码
2020/12/07 Python
python用opencv 图像傅里叶变换
2021/01/04 Python
马克华菲官方商城:Mark Fairwhale
2016/09/04 全球购物
美国一家主营日韩美妆护肤品的在线商店:iMomoko
2016/09/11 全球购物
Sisley法国希思黎中国官网:享誉全球的奢华植物美容品牌
2019/06/30 全球购物
怎么处理XML的中文问题
2015/03/26 面试题
电气工程自动化求职信
2014/03/14 职场文书
幼儿园老师寄语
2014/04/03 职场文书
一年级学生评语
2014/04/23 职场文书
画展邀请函
2015/01/31 职场文书
Python通过m3u8文件下载合并ts视频的操作
2021/04/16 Python
Go语言实现一个简单的并发聊天室的项目实战
2022/03/18 Golang