創建簡單的空圖形（沒有邊和點）
import networkx as nxg = nx.Graph();h = nx.Graph( g); #可以在構建Graph對象時指定值來構造一個新的Graph對象f = nx.Graph( [ (1,2),(2,3),(1,3)]); #可以在構建Graph對象時指定node關系的數組來構建Graph對象根據定義，一個Graph就是一個所有nodes的集合。在NetworkX中，nodes能夠代表任何對象，例如一個文本，一個圖片，一個xml對象或者另外一個Graph，一個自定義的對象等等。由于NetworkX提供了多種Graph對象生成方法，并且體痛了讀寫方法來讀寫多種格式，所以Graph對象能夠使用多種方式創建。
Nodes
graph對象能夠添加node（節點）g.add_node(1); #添加一個節點 g.add_nodes_from( [2,3]) #添加一個節點列表h = nx.path_graph(10)g.add_nodes_from( h) #添加一個能夠迭代的集合(例如：list, set, graph, file等等)，這樣g中包含了h中的元素g.add_node( h) #這是將h作為一個node添加到g中g.add_nodes_from( 'span'); #將span拆分為一個字符數組，然后添加nodeNote: 最后，h是一個graph對象，將h最為g的node，是一個很靈活的特性。這樣節點可以是graph中的graph，files中的graphs，method中的graph等等。值得思考的是，如果結構化你的應用使得那些node都是有用的實體。如果你愿意，你還可以是g對應一個唯一的表示，每個node對應一個被表示的key。如果node對應的是對象中的內容，那么當內容變化是，不應該修改對象，應該修改node對應的內容（有點繞）。Edges
graph對象中還能夠添加edges(邊)；g.add_edge(1,2) # 添加一個1和2之間的edgee=(2,3) #定義個關系g.add_edge( *e) #添加關系對象g.add_edges_from([(1,2),(2,3)]) #添加一個edge數組g.add_edges_from( h.edges()); #h.edges()返回的h的包含所有edge的數組#拆除graph對象中的node和edge可以使用如下方法g.remove_node()g.remove_nodes_from()g.remove_edge()g.remove_edges_from()#刪除所有的node和edgeg.clear();#如果重復添加相同的node和edge，NetworkX將會將會忽略那些重復的內容。g.add_nodes_from("span");g.add_node( "s");#獲取一個Graph對象中node和edge的數量g.number_of_nodes();g.number_of_edges();#獲取一個Graph對象中的node數組或者edge數組g.nodes();g.edges();g.neighbors(1); #獲取與node為1相鄰的node是節點g.remove_edge( 1,2); #刪除node1和node2之間的edge，自此node1和node2不再為相鄰的node如何使用nodes和edges？
獲取你已經注意到了node和edge并不是Graph的對象。這就能夠使你更加靈活的使用node和edge，如果在python中使用string和number。node可以為任何hashable對象（除了Node），edge還可以和其他Graph對象中的node建立關聯。例如： g.add_node( n1, n2, Graph=x); 例如，n1,n2可以代表生物蛋白質資料庫中兩種蛋白質對象,x可以是代表一個觀察實驗出版物中的xml片段記錄。 如果熟悉他們，那么他們會非常有用。如果濫用也會帶來意想不到的結果。如有疑問可以通過convert_node_labels_to_integers()方法來獲得更多的有整數組成的傳統圖形。除了使用上面提到的方法外，可以使用索引下標來訪問edge
g[1] {2,{}} g[1][1] {} Note：不要修改返回到額字典結構，它是graph固有的一部分，直接修改會導致不一致的狀態 同樣通過下標可以設置edge的屬性 g.add_edge( 1, 3) g[1][1][ “color”] = “blue” 通過迭代快速查找所有的edge 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.adjacency_iter(): … for nbr,eattr in nbrs.items(): … data=eattr[‘weight’] … if data<0.5: PRint(‘(%d, %d, %.3f)’ % (n,nbr,data)) (1, 2, 0.125) (2, 1, 0.125) (3, 4, 0.375) (4, 3, 0.375)
添加graph，node，edge的屬性
像color,label,weight或者其他Python對象的屬性都可以被設置為graph，node，edge的屬性。 每個graph，node，edge都能夠包含key/value這樣的字典數據。默認情況下是沒有這些屬性的?？梢酝ㄟ^add_node(),add_edge(),或者直接修改來添加和修改屬性。 Graph 屬性 g = nx.Graph( day="friday"); g.graph 打?。海癲ay”：“friday”｝ g.graph["day"]="Monday"; g.graph 打?。海?day":"Monday"｝ Node屬性 通過add_node()，add_nodes_from或者g.node來添加屬性 g.add_node( 1, time="5pm"); g.add_nodes_from([3], time="2pm"); g.node[ 1] 打?。海?time":"5pm"｝ g.node[1]["room"]=714; g.nodes(data=True); 打?。篬(1,{"room":714, "time":"5pm"}),(3,{"time":"2pm"})] Note:向node添加屬性并不會想graph添加屬性， Edge屬性 通過add_edge(), add_edges_from()或者g.edge來添加屬性 g.add_edge(1,2,wegiht=4.7) g.add_edges_from( [ (2,3),(3,4) ], color="red") g.add_edges_from( [(1,2,{"color":"blue"}),(4,5,{"weight":8})]) g[1][2]["width"]=4.7 g.edge[1][2]["weight"]=4Directed graphs(有向圖)
DiGraph類針對有向edge提供了另外的方法，例如：out_edges(), in_degree(),predecessors(),successors()等。為了是算法能夠正常運行，有向版本的neighbors()和degree()對于seccessor()方法是相同的。in_degree()和out_degree()都是獨自的。 ig = nx.DiGraph() ig.add_wieghted_edges_from( [(1,2,0.5),(2,3,0.7)]) ig.out_degree( 1,weight="weight"); 打?。?.5 ig.degree( 1, weight="weight"); 打印：1.25 ig.seccessors(1) 打印:[2] ig.neighbors(1) 打印:[2] 一些算法只對有向grapsh起作用，其他算法沒有明確定義。同時使用有向graph和無向graph是非常危險的事情。如果想將有向graph轉換為無向graph可以使用 Graph.to_undirected() 或者 h = nx.Graph( g)Multigraphs
NetworkX提供了類來實現一對node之間存在多個edge的實現類：MultiGraph和MultiDiGraph，他們都允許使用的edge數據添加多個的edge。對于某些應這個特性非常有用，但是很多算法在這種graph中并沒有明確定義。MG=nx.MultiGraph() MG.add_weighted_edges_from([(1,2,.5), (1,2,.75), (2,3,.5)]) MG.degree(weight=’weight’) {1: 1.25, 2: 1.75, 3: 0.5} GG=nx.Graph() for n,nbrs in MG.adjacency_iter(): … for nbr,edict in nbrs.items(): … minvalue=min([d[‘weight’] for d in edict.values()]) … GG.add_edge(n,nbr, weight = minvalue) … nx.shortest_path(GG,1,3) [1, 2, 3]
Graph generators and graph Operations(圖形生成和操作)
為了構建node-by-node或者edge-by-edge的graph，還可以使用以下方式。 subgraph( G, nbunch) union( g1,g2) #合并praph disjoint_union( g1, g2) #假設所有node都不相同合并praph cartesian_product( g1, g2) #返回笛卡爾產品praph compose( g1, g2) #合并公共的node complement( g1) #praph的補集 create_empty_copy( g) #返回某個praph對象的空的拷貝對象 convert_to_undirected( g) #返回一個無向praph convert_to_directed( g) #返回一個有向的praph 使用小圖的調用 petersen = nx.petersen_parph(); tutte = nx.tutte_praph() maze = nx.sedgewick_maze_praph() tet = nx.tetrahedral_praph() 使用典型praph的構造生成器 k_4 = nx.complete_graph(4); k_3_5 = nx.complete_bipartite_graph(3,5) barbell = nx.barbell_graph( 10, 10) lollipop = nx.lollipop_graph( 10,20); 使用隨機graph生成器er=nx.erdos_renyi_graph(100,0.15)ws=nx.watts_strogatz_graph(30,3,0.1)ba=nx.barabasi_albert_graph(100,5)red=nx.random_lobster(100,0.9,0.9)從存儲praph的文件中讀取格式數據然后生成praph。
nx.write_gml(red,"path.to.file") mygraph=nx.read_gml("path.to.file")----------Drawing Praphs(繪制圖形) NetworkX并不是首選的圖形繪制包，但是它包含了基本的圖形繪制工具開源包Matplotlib。如果需要的話可以引入network.drawing包。（更詳細的文檔參考：Drawing） 注意： NetworkX中的繪圖包不和Python3兼容 首先引入 Matplotlib的plot接口 import matplotlib.pyplot as plt 如果成功引入 networkx.drawing那么可以使用下面的方法繪制graph對象 nx.draw( g) nx.draw_random( g) nx.draw_circular( g) nx.draw_spectral( g) 將繪制的內容保存的一個文件中使用下面的方法 nx.draw( g) plt.savefig( "path.png")新聞熱點
疑難解答
