Graph Creation
有三种方式来创建networkx的图形对象:
1.图生成器-创建网络拓扑的标准算法
2.从源文件中导入数据
3.自己添加边和节点
import networkx as nx
G = nx.Graph()
G.add_edge(1,2)#默认边的值为1
G.add_edge(2,3,weight=0.9)#指定边的值为0.9
边的属性可以是任何东西
import math
G.add_edge('y','x',function = math.cos)
G.add_node(math.cos)#节点可以是任何可hash的值
你可以一次性添加很多条边：
elist = [(1,2),(2,3),(1,4),(4,2)]
G.add_edges_from(elist)#通过定义好的边的list来添加边
elist = [('a','b',5.0),('b','c',3.0),('a','c',1.0),('c','d',7.3)]#通过list定义边和边的权值
G.add_weighted_edges_from(elist)#将定义好的边和权值加载进图中
Graph Reporting
类方法提供了节点，邻居，边和度的信息，这些方法采用迭代的方式进行调用
边的基本关系可以通过两种方式获得，一种是以节点为中心，如G[U].一种以边缘为中心，如G.edges[u,v]。用哪种方式不重要。G.edges中删除了无向边的重复表示
函数提供比边，邻居，度更多的信息。这些信息提供在Algorithms中
Algorithms
networkx本身提供了很多内置的算法，例子如下
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)#将列表加载为图，其中包含了边的权值信息
print(nx.dijkstra_path(G,'a','d'))#输出图G中a到d的路线
['a', 'c', 'd']
Drawing
networkx官方推荐使用Graphviz或者matplotlib来进行画图
import matplotlib.pyplot as plt
G = nx.cubical_graph()
plt.subplot(121)
<matplotlib.axes._subplots.AxesSubplot at 0x1ec105f2eb8>
nx.draw(G)
plt.subplot(122)
<matplotlib.axes._subplots.AxesSubplot at 0x1ec12753a58>
nx.draw(G,pos=nx.circular_layout(G),node_color='r',edge_color='b')
Data Structure
networkx 使用“dictionary of dictionaries of dictionaries（不知道怎么翻译）”作为基本的网络数据结构，这可以为大型稀疏网络提供合理存储的快速查找。
dict-of-dicts-of-dicts数据结构的好处
1.查找边和删除边使用两次字典查找
2.因为使用系数存储进行快速查找，所以首选“list”
3.因为可以将数据添加到边上，所以首选“sets”
4.G[u][v]返回字典中的边方法
5.n in G:用来测试n 是否在G中
6.for n in G:遍历整个图形
7.for nbr in G[n]:遍历邻居
例子如下
G = nx.Graph()
G.add_edge("A","B")
G.add_edge("B","C")
print(G.adj)
{'A': {'B': {}}, 'B': {'A': {}, 'C': {}}, 'C': {'B': {}}}
每个基本图类的数据结构都会略微变形。
·对于DiGraph，提供了两种dict-of-dicts-dicts结构，一种用于后继（G.succ），一种用于前任（G.pred）。
·对于MultiGraph / MultiDiGraph，我们使用dict-of-dicts-of-dicts-of-dicts 1，其中第三个字典由边缘关键字标识符键入到第四个字典，该字典包含两个节点之间该边缘的边缘属性
G[u][v][‘width’]和G.edges[u,v][‘width’]功能是相同的
G = nx.Graph()
G.add_edge(1,2,color='red',weight=0.84,size = 300)
print(G[1][2]['size'])
300
print(G.edges[1,2]['color'])
red
