对complex network 进行分析
1. 建立图
无向图
g=networkx.Graph()
g.add_edge("nodename1","nodename2")
g.add_node("nodename1")
有向图
g=networkx.DiGraph()
g.add_edges_from([("nodename1","nodename2"),("nodename3","nodename1")])
从文件读图
可支持.edges(Edge List Format)与.txt(Ajacency List Format)
详情见博客另一篇日志
权重图
g.add_edge("nodename1","nodename2",weight = Value)
增加点的属性
g.add_node("nodename1")
g.add_node("nodename1"，"attribute1","attribute2")
如何选出边的权重超过一个阈值的边
estrong = [(u,v) for (u,v,d) in g.edges(data = True) if d["weigth"] >THESHOLD]
2. 基本分析
边数与点数
print g.number_of_nodes()
print g.number_of_edges()
度
分析某个顶点的度(无向图)
g.degree("nodename")
分析某个顶点的入度\出度(有向图)
g.in_degree("nodename")
g.out_degree("nodename")
图的度，将每个顶点的度列出
g.degree() #无向图
g.in_degree(with_labels = True)#有向图
g.out_degree(with_labels = True)
g.degree("nodename",weigted = False)#权重图
**g.degree("nodename",weighed = True)** 可以用做计算点强度
邻居节点
g.neighbors("nodename")
有向图convert无向图
ug = g.to_undirected()
图的连通性
print networkx.is_connnected(g) #判断是否是连通图
print networkx.number_connected_components(g)#判断有几个连通子图
comps = networkx.number_connected_components_subgraphs(g)
comps[0].nodes() #分别列出
comps[1].nodes()
...
3. 分析图的局部性质
g = network.read_adjlist("test.adj")
ego = "nodename"
nodes = set[ego]
nodes.update(g.neighbors(ego))
egonet = g.subgraph(nodes)
4. 二分网络
建立二分网络
import networkx
from network.algorithm import bipartite
g.add_edges_from([("nodename1","nodename2"),("nodename3","nodename1")])
判断是否是二分网络
print bi_partite.is_bipartite(g)
得到两端网络
NSet = nx.bipartite.sets(g)
Net1 = nx.project(g,NSet[0])
Net2 = nx.project(g,Nset[1])
(PS,谁能告诉我当原始网络g顶点少和顶点多的时候Net1,Net2得到的结果是颠倒的，这是为什么...)