networkx详细教程
写在前面:城市计算研究中经常涉及到图论
的相关知识,而且常常面对某些术语时,根本不知道在说什么.最近接触了NetworkX这个graph处理工具,发现这个工具已经解决绝大部分的图论
问题(也许只是我自己认为的,没有证据证明),所以把这个工具的使用学习下,顺便学习图论
的相关知识.
创建一个图
import networkx as nx
G = nx.Graph()
节点
一次添加一个节点
G.add_node(1)
添加一个节点列表
G.add_nodes_from([2, 3])
边
可以通过一次添加一条边来增长
G.add_edge(1, 2)
e = (2, 3)
G.add_edge(*e) # unpack edge tuple*
也可以通过添加边列表
G.add_edges_from([(1, 2), (1, 3)])
删除图中所有节点和边
G.clear()
我们添加新的节点/边,并且NetworkX会自动的忽略任何已经存在的节点。
G.add_edges_from([(1, 2), (1, 3)])
G.add_node(1)
G.add_edge(1, 2)
G.add_node("spam") # adds node "spam"
G.add_nodes_from("spam") # adds 4 nodes: 's', 'p', 'a', 'm'
G.add_edge(3, 'm')
在这个阶段,图形G
由8个节点和3个边组成,如下所示:
>>> G.number_of_nodes()
8
>>> G.number_of_edges()
3
我们可以检查节点和边。四个基本图形属性:G.nodes
,G.edges
,G.adj
和G.degree
。这些是节点,边,邻居(邻接点)和图中节点的程度集的视图。
>>> list(G.nodes)
['a', 1, 2, 3, 'spam', 'm', 'p', 's']
>>> list(G.edges)
[(1, 2), (1, 3), (3, 'm')]
>>> list(G.adj[1]) # or list(G.neighbors(1))
[2, 3]
>>> G.degree[1] # the number of edges incident to 1
2
可以以类似于添加的方式从图中移除节点和边。使用方法 Graph.remove_node()
,Graph.remove_nodes_from()
, Graph.remove_edge()
和 Graph.remove_edges_from()
,如
>>> G.remove_node(2)
>>> G.remove_nodes_from("spam")
>>> list(G.nodes)
[1, 3, 'spam']
>>> G.remove_edge(1, 3)
通过实例化其中一个图形类来创建图形结构时,可以使用多种格式指定数据
>>> G.add_edge(1, 2)
>>> H = nx.DiGraph(G) # create a DiGraph using the connections from G
>>> list(H.edges())
[(1, 2), (2, 1)]
>>> edgelist = [(0, 1), (1, 2), (2, 3)]
>>> H = nx.Graph(edgelist)
访问边和节点邻居
除了视图之外Graph.edges()
,Graph.adj()
还可以使用下标符号来访问边和邻居。
>>> G[1] # same as G.adj[1]
AtlasView({2: {}})
>>> G[1][2]
{}
>>> G.edges[1, 2]
{}
如果边已经存在,可以使用下标符号来获取/设置边的属性。
>>> G.add_edge(1, 3)
>>> G[1][3]['color'] = "blue"
>>> G.edges[1, 2]['color'] = "red"
所有(节点,邻接节点)的快速查询都是使用 G.adjacency()
或G.adj.items()完成的
。请注意,对于无向图,邻接迭代会将每个边看两次。
>>> FG = nx.Graph()
>>> FG.add_weighted_edges_from([(1, 2, 0.125), (1, 3, 0.75), (2, 4, 1.2), (3, 4, 0.375)])
>>> for n, nbrs in FG.adj.items():
... for nbr, eattr in nbrs.items():
... wt = eattr['weight']
... if wt < 0.5: print('(%d, %d, %.3f)' % (n, nbr, wt))
(1, 2, 0.125)
(2, 1, 0.125)
(3, 4, 0.375)
(4, 3, 0.375)
通过边属性可以方便地访问所有的边。
>>> for (u, v, wt) in FG.edges.data('weight'):
... if wt < 0.5: print('(%d, %d, %.3f)' % (u, v, wt))
(1, 2, 0.125)
(3, 4, 0.375)
将属性添加到图形,节点和边
属性(如权重,标签,颜色或任何您喜欢的Python对象)可以附加到图形,节点或边上。
每个图形,节点和边都可以在关联的属性字典中保存键/值属性对(键必须是可散列的)。默认情况下,这些都是空的,但属性可以使用添加或更改add_edge
,add_node
或命名的属性字典的直接操作G.graph
,G.nodes
和 G.edges
一个图G。
图形属性
创建新图形时分配图形属性
>>> G = nx.Graph(day="Friday")
>>> G.graph
{'day': 'Friday'}
或者也可以修改属性
>>> G.graph['day'] = "Monday"
>>> G.graph
{'day': 'Monday'}
节点属性
添加节点属性使用add_node()
,add_nodes_from()
或G.nodes
>>> G.add_node(1, time='5pm')
>>> G.add_nodes_from([3], time='2pm')
>>> G.nodes[1]
{'time': '5pm'}
>>> G.nodes[1]['room'] = 714
>>> G.nodes.data()
NodeDataView({1: {'room': 714, 'time': '5pm'}, 3: {'time': '2pm'}})
边属性
添加/更改边使用的属性add_edge()
,add_edges_from()
或标符号。
>>> 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
有向图:DiGraph()
DiGraph类提供特定于有向边的附加属性,例如DiGraph.out_edges()
,DiGraph.in_degree()
,DiGraph.predecessors()
,DiGraph.successors()
等。为了使算法能够轻松地处理这两个类, neighbor()
的功能等同于successors()
,而degree
会报告in_degree
和out_degree
的总和,即使有时可能会感觉不一致
dg = nx.DiGraph()
nodes1 = [
('Variable', {'name': 'avariable', 'table': 'tablename'}),
('Select', {'conditions': {'pro_code': 44}}),
('GroupBy', {'varname': 'gender'}),
('Mean', {}),
('Which1', {'level': 1}),
('Decimal1', {'place': 1}),
]
nodes2 = [
('Which1', {'level': 2}),
('Decimal2', {'place': 1}),
]
nodes3 = [
('Add', {})
]
dg.add_nodes_from(nodes1)
dg.add_nodes_from(nodes2)
dg.add_nodes_from(nodes3)
dg.add_edges_from([
('Variable', 'Select'),
('Select', 'GroupBy'),
('GroupBy', 'Mean'),
('Mean', 'Which1'),
('Mean', 'Which2'),
('Which1', 'Decimal1'),
('Which2', 'Decimal2'),
('Decimal1', 'Add'),
('Decimal2', 'Add'),
])
nx.draw(dg, with_labels=True)