Dreamlike
0%

NetworkX 使用学习

發表於 更新於 分類於
文章字數： 4.5k 所需閱讀時間 ≈ 4 分鐘

参考:https://networkx.github.io/documentation/stable/tutorial.html#adding-attributes-to-graphs-nodes-and-edges

引入networkx以及绘图所需的matplotlib。

1
2
import networkx as nx
import matplotlib.pyplot as plt
1
%matplotlib inline

1.图、点与边

生成空图，不包含点和边。

1
G = nx.Graph()

向图G中添加点。可一次只添加一个或直接添加列表。检索方式跟一维list类似。

1
2
3
4
5
6
G.add_node(1)
G.add_nodes_from([2,3])
G.nodes[1] # 检索获取点的方式1
G[1] # 检索获取点的方式2
print(G.nodes()) # 获取所有点的名称
print(G.nodes.data()) # 获取所有点的名称及相应的属性
[1, 2, 3]
[(1, {}), (2, {}), (3, {})]

此时可以显示G包含的点的数目。

1
G.number_of_nodes()
3

清除G的内容。

1
G.clear()

类似的方式可生成单个边或一系列的边。检索方式跟二维list类似。

1
2
3
4
5
6
G.add_edge('a','b')
G.add_edges_from((['c','d'],['e','f']))
print(G.number_of_nodes())# 显示当前节点数目
print(G.number_of_edges())# 显示当前边的数目
G.edges['a','b'] # 检索获取边的方式1
G['a']['b'] # 检索获取边的方式2
6
3





{}

文档中介绍，任意hasable的对象都可以作为点，常用的如：数字或字符。而边又可与任意object建立联系，G.add_edge(n1, n2, object=x)。

一个Graph也可以从另一个Graph继承过来点或边。

1
2
3
H = nx.path_graph(10)
G.add_nodes_from(H)
G.add_edges_from(H.edges)

2.向图形、节点和边添加属性

除去图、点和边之间的包含以及连接的关系外，各个个体还可包含有自身相关的信息，例如名称、颜色或重量等等的属性。 属性的结构为：键/值(key/value)，键应当是hasable的,也就是说属性是一个字典结构。属性默认为空，但是可以通过add_edge,add_node 进行修改。对于图G来说，也可以直接操作属性字典:G.graph,G.nodes,G.edges,于修改字典的操作相同。

图的属性

1
2
3
4
5
G = nx.Graph(day="Friday")
print(G.graph) # 显示属性 键/值
print(G.graph['day'])# 显示某个属性的值
G.graph['day']='Monday'
print(G.graph) # 显示属性 键/值
{'day': 'Friday'}
Friday
{'day': 'Monday'}

点的属性

1
2
3
4
5
G.add_node(1, time='5pm')
G.add_nodes_from([3], time='2pm')
print(G.nodes[1]) # 获取节点1的属性 注意用的是索引符号'[]'
G.nodes[1]['room'] = 714
G.nodes.data()
{'time': '5pm'}





NodeDataView({1: {'time': '5pm', 'room': 714}, 3: {'time': '2pm'}})

边的属性

特殊属性weight应该是数字，因为它被需要加权边缘的算法使用

1
2
3
4
5
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.edges[3, 4]['weight'] = 4.2

3.访问相邻节点

1
2
3
4
5
FG = nx.Graph()
FG.add_weighted_edges_from([(1, 2, 0.125), (1, 3, 0.75), (2, 4, 1.2), (3, 4, 0.375)])
print(FG.adj.items())# 显示相邻的节点，无向图的情况下
print(list(FG.neighbors(1)))# 显示节点1的相邻节点的名称
print(list(FG.adj[1]))# 显示节点1的相邻节点的名称 与上一句作用相等
ItemsView(AdjacencyView({1: {2: {'weight': 0.125}, 3: {'weight': 0.75}}, 2: {1: {'weight': 0.125}, 4: {'weight': 1.2}}, 3: {1: {'weight': 0.75}, 4: {'weight': 0.375}}, 4: {2: {'weight': 1.2}, 3: {'weight': 0.375}}}))
[2, 3]
[2, 3]

4.绘图

参考文档中给出了draw函数的详细参数draw(G, pos=None, ax=None, **kwds)。其中pos的介绍如下： * pos (dictionary, optional) – A dictionary with nodes as keys and positions as values. If not specified a spring layout positioning will be computed. See networkx.drawing.layout for functions that compute node positions. 也就是说pos是一个字典结构，节点的名称作为key，坐标list作为value。

1
2
3
4
5
HTG = nx.Graph()
HTG.add_nodes_from([1,2,3])
HTG.add_edges_from(([1,2],[2,3],[3,1]))
pos={1:[0,1],2:[1,1],3:[2,2]}
nx.draw(HTG,pos=pos, with_labels=True, font_weight='bold')
png
png

5.有向图

DiGraph 类为有方向的边提供了额外的属性，例如DiGraph.out_edges(),DiGraph.in_degree(),DiGraph.predecessors(),DiGraph.successors(),等等。为使算法在处理不同类上更加便利，有方向版本的neighbors等价于successors()。同时degree表示in_degree和out_degree之和。这种处理有时可能感觉不是特别一致。

1
2
3
4
5
6
7
DG = nx.DiGraph()
DG.add_weighted_edges_from([(1, 2, 0.5), (3, 1, 0.75)])
print(DG.out_degree(1, weight='weight'))
print(DG.degree(1, weight='weight'))
print(list(DG.successors(1)))
print(list(DG.neighbors(1)))
nx.draw(DG, with_labels=True, font_weight='bold')
0.5
1.25
[2]
[2]
png
png

有向图可以转换为无向图。可利用Graph.to_undirected()或Graph()

1
2
3
4
H1 = nx.Graph.to_undirected(DG)
nx.draw(H1, with_labels=True, font_weight='bold')
H2 = nx.Graph(DG)
nx.draw(H2, with_labels=True, font_weight='bold')
png
png

6.点与线分别设置样式

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
DG = nx.DiGraph()
DG.add_weighted_edges_from([(1, 2, 0.5), (3, 1, 0.75)])
# nx.draw(DG, with_labels=True, font_weight='bold') # 将nx.draw替换为nx.draw_networkx_nodes和nx.draw_networkx_edges
# 点的样式
options = {
    'node_color': 'blue',
    'node_size': 50,
    'alpha':1,
}
nx.draw_networkx_nodes(DG,pos=pos,**options)
# 边的样式
options = {
    'line_color': 'grey',
    'linewidths': 0,
    'width': 2,
    'alpha':0.5,
}
nx.draw_networkx_edges(DG,pos=pos,**options)
[<matplotlib.patches.FancyArrowPatch at 0x25e4dbc6948>,
 <matplotlib.patches.FancyArrowPatch at 0x25e4dbca1c8>]
png
png

7.遍历边的属性

根据参考文档中networkx.Graph.edges的说明。该函数主要有一个data参数,当设置为True的时候返回(起点,终点,data字典),当为False的时候返回(起点,终点)。

1
2
3
4
5
6
7
8
9
10
DG = nx.DiGraph()
DG.add_weighted_edges_from([(1, 2, 0.5), (3, 1, 0.75)])
for u,v,d in DG.edges(data=True):
    print(d['weight'])
edges_list = [(u, v, d) for (u, v, d) in DG.edges(data=True)]
print(edges_list)
print(edges_list[0][2]['weight'])
edges = list(DG.edges(data=True))
print(edges)
print(edges[0][2]['weight'])
0.5
0.75
[(1, 2, {'weight': 0.5}), (3, 1, {'weight': 0.75})]
0.5
[(1, 2, {'weight': 0.5}), (3, 1, {'weight': 0.75})]
0.5