NetworkX入门教程
诸神缄默不语-个人CSDN博文目录
NetworkX是复杂网络研究领域中的常用Python包。本文旨在通过介绍NetworkX中常用的方法等内容,为新手提供一个NetworkX的入门教程。
官方文档地址
文章目录
- 1. Graph Types
- 2. 图数据的创建、属性与常用方法
- 3. 除文中已列出的NetworkX官方文档外,其他使用到的参考资料
1. Graph Types
Graph Types文档
允许以可哈希的object作为节点,任何Python object作为边属性。
如何选择使用哪种图:
2. 图数据的创建、属性与常用方法
Graph文档
- 创建一个空的图
- 无向图:
G = nx.Graph()
- 有向图:
DG = nx.DiGraph()
- 无向图:
- 将有向图转换为无向图:
G = nx.Graph(DG)
- 图是否有向:
G.is_directed()
返回布尔值 - 添加节点
- 直接添加一个节点(任何object都可以作为节点,包括另一个图)
G.add_node(1)
G.add_node(DG)
- 从任何容器加点:a list, dict, set or even the lines from a file or the nodes from another graph
G.add_nodes_from()
或nx.path_graph()
path_graph()文档(相当于生成一条线)
- 直接添加一个节点(任何object都可以作为节点,包括另一个图)
添加节点 示例代码:
G.add_nodes_from([2, 3])
G.add_nodes_from(range(100, 110))
H = nx.path_graph(10)
G.add_nodes_from(H)
G.add_node('spam') # adds node "spam"
G.add_nodes_from('spam') # adds 4 nodes: 's', 'p', 'a', 'm'
- 添加边
- 添加一条边
G.add_edge(u, v)
- 添加一个边的列表
G.add_edges_from([(1, 2), (1, 3)])
- 添加一个边的collection
G.add_edges_from(H.edges)
- 如果添加的边的点不存在于图中,会自动添上相应节点而不报错
- 添加一条边
- 属性attribute
- 图的节点/边/图都可以在关联的attribute字典中以键值对key/value形式存储attribute(key一定要是可哈希的)
- 默认情况下属性字典是空的
- 可以通过
add_edge()
add_node()
方法或直接操作分别名为graph edges nodes的属性字典来进行操作
示例代码:图
创建带属性的图
G = nx.Graph(day="Friday")
G.graph #输出:{'day': 'Friday'}
为图赋属性(也是修改属性的方法)
G = nx.Graph()
G.graph["Name"] = "Bar"
print(G.graph) #输出:{'Name': 'Bar'}
示例代码:节点
创建含属性的节点,为节点赋属性、删除节点属性,迭代输出节点及其属性数据
G.add_node(1, time="5pm")
G.add_nodes_from([3], time="2pm")
G.nodes[1] #输出:{'time': '5pm'}G.nodes[1]["room"] = 714 # node must exist already to use G.nodes
del G.nodes[1]["room"] # remove attribute
list(G.nodes(data=True)) #输出:[(1, {'time': '5pm'}), (3, {'time': '2pm'})]
list(G) #G也可以作为G节点的迭代器
添加多个带属性节点
# Add multiple nodes with attributes
G.add_nodes_from([(1, {"feature": 1, "label": 1}),(2, {"feature": 2, "label": 2})
])
示例代码:边
添加带属性的边,添加多个带属性的边,为边的属性赋值,迭代输出边及其属性数据
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[1, 2]["weight"] = 4
G.edges[(1, 2)]["weight"] = 4
list(G.edges(data=True)) #跟上面的G.nodes()类似
注意:G.edges属性是只读的,但是可以更改类似G.edges[1, 2]这种object里的属性,举例:G.edges[1, 2]['weight'] = 4
(对multigraph:MG.edges[u, v, key][name] = value
)
添加含weight属性的边 add_weighted_edges_from()函数文档
G.add_weighted_edges_from([(0, 1, 3.0), (1, 2, 7.5)])
注意:如果在Graph/DiGraph中添加两次相同的边会仅更新weight;如果在MultiGraph/MultiDiGraph中则会储存多此边
- 兼容Python语法的捷径
示例代码:
1 in G # check if node in graph
[n for n in G if n < 3] # iterate through nodes
len(G) # number of nodes in graph
- 节点数量
G.number_of_nodes()
边数量G.number_of_edges()
- 可视化
nx.draw(G, with_labels = True)
- 节点特征
- 度数:
G.degree[node_id]
G.out_degree(node_id)
G.in_degree(node_id)
可选参数:weight - 邻居:
- 无向图:
G.neighbors(node_id)
返回迭代器 - 有向图:
G.successors(node_id)
(node_id指向的节点)G.predecessors(node_id)
(指向node_id的节点)
- 另一种访问邻居的方式是通过
G.adj
(adjacency list,详情见后文)
G[node_id]
G.adj[node_id]
- 无向图:
- PageRank:
nx.pagerank(G)
返回PageRank向量 pagerank()文档
- 度数:
- 删除数据
- 删除节点:
G.remove_node(n)
- 删除所有节点和边:
G.clear()
- 删除节点:
- 图表示
- adjacency list
G.adj
返回值示例: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}}})
G.adjacency()
返回一个迭代器,每个元素示例格式:(1, {2: {'weight': 0.125}, 3: {'weight': 0.75}})
- 用类似
G[1]
的方法也可以访问(相当于G.adj[1]
),返回值示例:AtlasView({2: {'weight': 0.125}, 3: {'weight': 0.75}})
- adjacency list
3. 除文中已列出的NetworkX官方文档外,其他使用到的参考资料
- cs224w课程的colab0
- 原始文件下载地址
- 我上传到GitHub的文件网址,已添加过部分私人注释
- cs224w课程的colab0的参考文件
- 原始文件下载地址 有过时语法
- 我把这个文件代码改了后跑通了,放到了Google Drive上公开。可以上的如需可资借鉴:“NetworkX.ipynb”的副本 但是没什么新东西,所以下不了也无所谓,我就不放在GitHub之类更容易登入的地方了。如需找我。
NetworkX入门教程相关推荐
- NetworkX入门及实战教程
NetworkX入门及实战教程 环境要求和工具包安装 自带图的绘制 连接表和邻接表创建图 通过连接表edge list创建图 可视化 查看全图参数 保存并载入邻接表 用NetworkX创建图 创建空图 ...
- [carla入门教程]-5 使用ROS与carla通信
本专栏教程将记录从安装carla到调用carla的pythonAPI进行车辆操控并采集数据的全流程,带领大家从安装carla开始,到最终能够熟练使用carla仿真环境进行传感器数据采集和车辆控制. 第 ...
- Kafka入门教程与详解
1 Kafka入门教程 1.1 消息队列(Message Queue) Message Queue消息传送系统提供传送服务.消息传送依赖于大量支持组件,这些组件负责处理连接服务.消息的路由和传送.持久 ...
- 【CV】Pytorch一小时入门教程-代码详解
目录 一.关键部分代码分解 1.定义网络 2.损失函数(代价函数) 3.更新权值 二.训练完整的分类器 1.数据处理 2. 训练模型(代码详解) CPU训练 GPU训练 CPU版本与GPU版本代码区别 ...
- python tornado教程_Tornado 简单入门教程(零)——准备工作
前言: 这两天在学着用Python + Tornado +MongoDB来做Web开发(哈哈哈这个词好高端).学的过程中查阅了无数资料,也收获了一些经验,所以希望总结出一份简易入门教程供初学者参考.完 ...
- python向量计算库教程_NumPy库入门教程:基础知识总结
原标题:NumPy库入门教程:基础知识总结 视学算法 | 作者 知乎专栏 | 来源 numpy可以说是 Python运用于人工智能和科学计算的一个重要基础,近段时间恰好学习了numpy,pandas, ...
- mysql query browswer_MySQL数据库新特性之存储过程入门教程
MySQL数据库新特性之存储过程入门教程 在MySQL 5中,终于引入了存储过程这一新特性,这将大大增强MYSQL的数据库处理能力.在本文中将指导读者快速掌握MySQL 5的存储过程的基本知识,带领用 ...
- python tensorflow教程_TensorFlow入门教程TensorFlow 基本使用T
该楼层疑似违规已被系统折叠 隐藏此楼查看此楼 TensorFlow入门教程 TensorFlow 基本使用 TensorFlow官方中文教程 TensorFlow 的特点: 使用图 (graph) 来 ...
- air调用java,AIR2.0入门教程:与Java应用交互
在之前的一篇文章中,我介绍了如何使用AIR2.0新增的NativeProcess类与本地进程进行交互和通讯,在那个例子里面我们使用了C++ 的代码,实际上只要是基于命令行的标准输入输出,AIR2.0的 ...
最新文章
- .net ConfigurationSectionDesigner插件使用
- TensorFlow Lattice:灵活、可控、可解释的机器学习
- verdi bin工具
- 代码Review发现问题
- 如何在Spring 3.x中使用事件
- 域控服务器取消验证_记一次域控服务器应急
- IDEA : IDEA好用的插件集锦
- 易语言下载别人的源码编译出来用不了_我是如何阅读源码的
- mysql ssd优化测试_MySQL服务器SSD性能问题分析与测试
- 直观理解Hilbert空间是什么?
- 一般线性模型和混合线性模型_从零开始的线性混合模型
- Codeforces 1253B Silly Mistake
- android qq语音按钮,qq语音设置怎么操作?手机qq语音设置在哪里
- 常用遥感SIF和GPP数据集
- 添加用户并赋予 root管理员权限
- 【leetcode】1419. Minimum Number of Frogs Croaking
- vs添加监视快捷键_询问操作方法:监视Android移动设备使用情况,Windows键盘快捷键和修复损坏的照片...
- 航天环宇提交招股书上会稿:计划募资6亿元,控股股东为李完小
- 游戏版号拿到了,可公司破产了
- 二维我的世界Dev c++代码
热门文章
- java连接数据库打印输出中文显示乱码
- 故障:启动修复无法修复你的电脑
- 杨森翔书法;腊八习字
- 再不懂时序就 OUT 啦!,DBengine 排名第一时序数据库,阿里云数据库 InfluxDB 正式商业化!...
- Go语言Web开发Echo框架搭建
- DeFi+NFT+实体藏品创新融合构建OPENLAND生态圈
- 心疼小哥1万秒 | “人到货”VS“货到人”|拆零拣选
- 关于Kubernetes中kube-scheduler的一些笔记
- Yarn的调度器--Scheduler探究
- MySQL常见面试笔试题