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

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

1. 创建一个空的图
   1. 无向图：G = nx.Graph()
   2. 有向图：DG = nx.DiGraph()
2. 将有向图转换为无向图：G = nx.Graph(DG)
3. 图是否有向：G.is_directed() 返回布尔值
4. 添加节点
   1. 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)
   2. 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）

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)
1
2
3
4

G.add_node('spam')       # adds node "spam"
G.add_nodes_from('spam') # adds 4 nodes: 's', 'p', 'a', 'm'
1
2

6. 添加边
   1. 添加一条边 G.add_edge(u, v)
   2. 添加一个边的列表 G.add_edges_from([(1, 2), (1, 3)])
   3. 添加一个边的collection G.add_edges_from(H.edges)
   4. 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
7. 属性attribute
   1. 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）
   2. 默认情况下属性字典是空的
   3. 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'}
1
2

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'}
1
2
3

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
1
2
3
4
5
6
7
8

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})
])
1
2
3
4
5

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
1
2
3
4
5
6
7

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)])
1

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

8. 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
1
2
3

9. 节点数量 G.number_of_nodes()
   边数量 G.number_of_edges()
10. 可视化 nx.draw(G, with_labels = True)
11. 节点特征
    1. 度数：G.degree[node_id] G.out_degree(node_id) G.in_degree(node_id)
       可选参数：weight
    2. 邻居：
       1. 无向图：G.neighbors(node_id) 返回迭代器
       2. 有向图：
          1. G.successors(node_id)（node_id指向的节点）
          2. G.predecessors(node_id)（指向node_id的节点）
       3. 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]
    3. PageRank：nx.pagerank(G) 返回PageRank向量 pagerank()文档
12. 删除数据
    1. 删除节点：G.remove_node(n)
    2. 删除所有节点和边：G.clear()
13. 图表示
    1. adjacency list
       1. 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}}})
       2. 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}})
       3. 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}})

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. cs224w课程的colab0
   1. 原始文件下载地址
   2. 我上传到GitHub的文件网址，已添加过部分私人注释
2. cs224w课程的colab0的参考文件
   1. 原始文件下载地址 有过时语法
   2. 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。