1. NetworkX简介
NetworkX 是一个用于创建、操作和研究复杂网络的 Python 库。它可以创建、分析和可视化各种类型的网络(包括有向图和无向图),例如社交网络、Web图、生物网络等。NetworkX 能够处理具有 1000 多万个节点和 1 亿多个边缘的巨大图形。
NetworkX 提供了许多图的算法和分析工具,比如节点的度、网络的直径、最短路径等。还可以使用它来发现社区结构、进行图的聚类分析等。
2. 有向图的绘制及遍历
2.1 节点与边的绘制
# -*- coding: utf-8 -*-
import networkx as nx
import matplotlib.pyplot as plt
# 创建空的有向图的对象
G = nx.DiGraph()
# 添加节点
G.add_node('A')
G.add_nodes_from(['B', 'C', 'D', 'E'])
G.remove_nodes_from(['C','D']) # 删除集合中的节点
# 添加有向边
G.add_edge('A', 'B')
G.add_edges_from([('B','C'),('B', 'D'),('C', 'E')])
# 进行图的绘制
layout = nx.spring_layout(G) # 节点布局,也是节点坐标
nx.draw(G, layout, pos=layout, node_color='red', edge_color='black',
with_labels=True, font_size=10, node_size=300)
plt.show()
如下:
其他常见展示布局
layout = nx.circular_layout(G) # 生成圆形节点布局
layout = nx.random_layout(G) # 生成随机节点布局
layout = nx.shell_layout(G) # 生成同心圆节点布局
layout = nx.spectral_layout(G) # 利用图拉普拉斯特征向量生成节点布局
layout = nx.kamada_kawai_layout(G) # 使用Kamada-Kawai路径长度代价函数生成布局
2.2 有向图遍历
print(G.nodes) # 节点列表
# ['A', 'B', 'C', 'D', 'E']
print(G.edges) # 边列表
# [('A', 'B'), ('B', 'C'), ('B', 'D'), ('C', 'E')]
for node in G.nodes():
print("节点>>>", node)
in_degree = G.in_degree(node)
print("入度:", in_degree)
out_degree = G.out_degree(node)
print("出度:", out_degree)
neighbors = G.neighbors(node)
print("邻居节点:", list(neighbors))
2.3 指定节点坐标及颜色
分别画节点、边和标签,并指定坐标和颜色
net_grid = nx.DiGraph()
list_net_nodes = [1, 2, 3, 4, 5] # 节点
list_net_edges = [(1, 3), (3, 5), (5, 4), (4, 2)] # 边
pos = {1: (1, 1), 2: (12, 1), 3: (2, 2), 4: (4, 2), 5: (3, 3)} # 节点坐标
net_grid.add_nodes_from(list_net_nodes)
net_grid.add_edges_from(list_net_edges)
# ------ 画节点和边 ------- (在指定坐标位置)
nx.draw_networkx_nodes(G=net_grid, pos=pos, nodelist=list_net_nodes, node_size=30, node_shape='o', node_color='#ff0000|red') # 画节点
nx.draw_networkx_edges(net_grid, pos, list_net_edges) # 画边
# ------ 画节点标签 -------
dict_nodes_labels = dict(zip(list_net_nodes, list_net_nodes)) # 节点对应的标签
# {1: 1, 2: 2, 3: 3, 4: 4, 5: 5}
nx.draw_networkx_labels(net_grid, pos, dict_nodes_labels) # 画标签
plt.show()
如下:
2.4 不同权值边采用不同绘制策略
e_large = [(u, v) for (u, v, d) in G.edges(data=True) if d['weight'] > 0.5]
e_small = [(u, v) for (u, v, d) in G.edges(data=True) if d['weight'] <= 0.5]
nx.draw_networkx_nodes(G, pos, node_size=700)
nx.draw_networkx_edges(G, layout, edgelist=e_large, width=6) # 画大权重边
nx.draw_networkx_edges(G, layout, edgelist=e_small, width=6, alpha=0.5, edge_color='b', style='dashed') # 画小权重边
nx.draw_networkx_labels(G, layout, font_size=20, font_family='sans-serif')
如下:
3. 带权重的边
3.1 绘制带权重的边
G = nx.DiGraph()
# 直接创建边(包括两个节点), 并设置边的权重
G.add_edge('A', 'B', weight=3)
G.add_weighted_edges_from([('B','C',5), ('C','D',2), ('C','E',5)])
# ---进行图的绘制---
layout = nx.spring_layout(G) # 选择布局算法;
# 获取边的权重
labels = nx.get_edge_attributes(G, 'weight')
# {('A', 'B'): 3, ('B', 'C'): 5, ('C', 'D'): 2, ('C', 'E'): 5}
# 绘制带有权重的边
nx.draw(G, layout, with_labels=True)
nx.draw_networkx_edge_labels(G, layout, edge_labels=labels) # 添加权重
plt.show()
如下:
打印边的权重值
# 获取边的权重值列表
print(labels.values())
# dict_values([3, 5, 2, 5])
print("最大权重的边:", max(weights))
print("最小权重的边:", min(weights))
3.2 最短|长路径
# 两点之间最短路径
def get_shortest_path(graph, source, target):
try:
shortest_path = nx.shortest_path(graph, source, target)
return shortest_path
except nx.exception.NetworkXNoPath:
return "不存在最短路径"
# 两点之间最长路径
def get_longest_path(graph, source, target):
all_paths = nx.all_simple_paths(graph, source, target)
longest_path = max(all_paths, key=len)
return longest_path
实验
G = nx.DiGraph()
G.add_edge('A', 'B', weight=3)
G.add_edge('A', 'C', weight=5)
G.add_edge('B', 'C', weight=2)
G.add_edge('B', 'D', weight=4)
G.add_edge('C', 'D', weight=1)
# 输出边权重
for u, v, data in G.edges(data=True):
# for u,v,data in G.edges(data='weight'):
print(u, v, data)
print("最短路径:", get_shortest_path(G, 'A', 'D'))
# ['A', 'B', 'D']
print("最长路径:", get_longest_path(G, 'A', 'D'))
# ['A', 'B', 'C', 'D']
# 按照权重求取最短路径
print("最短路径:", nx.dijkstra_path(G, 'A', 'D', weight='weight'))
# ['A', 'C', 'D']
print("最短距离:", nx.dijkstra_path_length(G, 'A', 'D', weight='weight'))
# 6
4. 节点及边的属性
4.1 节点属性添加及修改
G.add_node('jack', age='16') # 在添加节点时分配节点属性
print(G.nodes(data=True))
# [('jack', {'age': '16'})]
G.nodes['jack']['age'] = '18' # 通过G.nodes来添加或修改属性
G.add_nodes_from(['tom', 'jerry'], age='18') # 从集合中添加节点时分配属性
print(G.nodes(data=True))
# [('jack', {'age': '18'}), ('tom', {'age': '18'}), ('jerry', {'age': '18'})]
4.2 边属性添加及修改
G.add_edge(1, 2, weight=10) # 在添加边时分配属性
G.add_edges_from([(3, 4, {'hight': 10}), (1, 4, {'hight': 'unknow'})])
G[1][2]['weight'] = 100000 # 通过G来添加或修改属性
print(G.edges(data=True))
# [(1, 2, {'weight': 100000}), (1, 4, {'hight': 'unknow'}), (3, 4, {'hight': 10})]