Networkx的入门使用

1|0创建一个图

创建一个没有边edge和节点node的空图：

import networkx as nx
G = nx.Graph()

定义：图形是节点和已识别的节点对的集合，即顶点和边（链接）的集合。
在networkx中，节点可以是任何可哈希（hashable）对象，例如：文本字符串、图像、XML对象、另一个graph、自定义节点对象等。

python中的None不能作为节点。

2|0节点

图可以以多种形式扩张。NetworkX包括许多Graph generators和工具，用于读取和写入多种格式的图。
从简单的出发，可以每次添加一个节点：

G.add_node(1)

或者从可迭代容器(iterable)（如列表）中添加多个节点:

G.add_nodes_from([2, 3])

也可以同时添加包含节点属性（节点属性此处查看）的节点，如果你的容器以(node, node_attribute_dict)2元-元组的形式:

G.add_nodes_from([
    (4, {"color": "red"}),
    (5, {"color": "green"}),
])

一个图中的节点可以合并到另一个图：

H = nx.path_graph(10)
G.add_nodes_from(H)

现在图G中节点包括原H中的节点。相反，你也可以将整个图H作为图G中的一个节点:

G.add_node(H)

现在图G是将图H作为其中一个节点。这种灵活性非常强大，因为它允许图形组成的图形，文件组成的图形，函数组成的图形等等。值得考虑如何构建应用程序，以便节点是有用的实体。当然，如果你愿意，你始终可以在G中使用唯一标识符，并按标识符键记节点信息的单独字典。

3|0边

图也可以以添加一条边的形式增长：

G.add_edge(1, 2)
e = (2, 3)
G.add_edge(*e)  # unpack edge tuple*

通过接入边的列表增长:

G.add_edges_from([(1, 2), (1, 3)])

或者通过添加任何边的ebunch，ebunch是边的元组的任何可迭代容器。边的元组可以是2元组节点，也可以是3元组：在2个节点后跟边的属性（边的属性此处查看）字典，如（2, 3, {'weight': 3.1415}）。

G.add_edges_from(H.edges)

添加现有节点或边时没有冲突。例如，在删除所有节点和边之后：

G.clear()

添加新的节点/边时，NetworkX悄悄地忽略任何已经存在的。
举例：

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')

G.number_of_nodes(), G.number_of_edges()

此时，图G 包含 8 个节点和 3 条边
(8,3)

邻接报告(adjacency reporting)的顺序（例如，G.adj、G.successors、G.predecessors）是边添加的顺序。然而，G.edges 的顺序是邻接的顺序，包括节点的顺序和每个节点的邻接。请参见下面的示例(有点不明白)：

DG = nx.DiGraph()
DG.add_edge(2, 1)   # adds the nodes in order 2, 1
DG.add_edge(1, 3)
DG.add_edge(2, 4)
DG.add_edge(1, 2)
assert list(DG.successors(2)) == [1, 4]
assert list(DG.edges) == [(2, 1), (2, 4), (1, 3), (1, 2)]

未完待续。。。

4|0检查图的元素

5|0从图中删除元素

6|0使用图构造函数

7|0什么能用作节点和边

8|0访问边缘和邻居

9|0向图、节点和边添加属性

9|1图属性

9|2节点属性

9|3边属性

10|0有向图

11|0多图

12|0图生成器和图操作

13|0分析图

14|0绘制图

本文参考https://zhuanlan.zhihu.com/p/536737592

__EOF__

本文作者：Sharycxc
本文链接：https://www.cnblogs.com/sharycxc/p/16746332.html
关于博主：评论和私信会在第一时间回复。或者直接私信我。
版权声明：本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
声援博主：如果您觉得文章对您有帮助，可以点击文章右下角【推荐】一下。您的鼓励是博主的最大动力！