复杂网络分析——networkx的使用

1. 基本图操作

导包

import networkx as nx
import matplotlib.pyplot as plt

建立一个空的无向图G

G = nx.Graph()     # DiGraph() 有向图

添加一个节点a

G.add_node('a')

加点集合

G.add_nodes_from(['b','c','d','e'])    

加边

G.add_edge('a','b')
G.add_edges_from([('b','c'),('a','d')])

2. 其他方法

1.节点数量

print("01. 图G的节点数：",G.number_of_nodes()) 

2. 输出全部的节点

print("02. 图G的全部节点：",G.nodes())  

3. 输出全部的边

print("03. 图G的全部边：",G.edges())

4. 输出边的数量

print("04. 图G的边数：",G.number_of_edges())  

5. 检查节点n是否在G中，如在，返回true。

print("05. 节点n是否在G中：", 'n' in G)  

6. 图中各节点的度

print("06. 图G的各节点的度：",nx.degree(G))

7. 图中单个节点的度

print("07. 节点a的度：",nx.degree(G,'a'))

8. 图G的度频率

print("08. 图G的度频率：",nx.degree_histogram(G))

9. 图G的密度 [无向]：d = 2m/n(n-1) [有向]：d=m/n(n-1)

print("09. 图G的密度：",nx.density(G))

10. 图G的信息

print("10. 图G的信息：",nx.info(G))

11. 返回删除所有边的图G的副本

G_1 = nx.create_empty_copy(G)

12. 判断图G是否是有向图

print("12. 图G是否是有向图：",nx.is_directed(G))

13. 返回无向图G的 有向图视图

G_2 = nx.to_directed(G)

14. 返回有向图G的 无向图视图

G_3 = nx.to_undirected(G_2)

15. 图G是否是空图，即图G是否无边

print("15. 图G是否没有边：",nx.is_empty(G))

16. 给图G 添加/设置 中心节点，中心节点与其他节点序列均有边相连，序列中第一个节点为中心节点

G_4 = nx.Graph()  
nx.add_star(G_4,['a','c','b','e','d'])
G_4.add_node('f')
G_4.add_edge('f','c')

17. 给图G 添加/设置 一条路径，路径顺序为节点序列顺序

G_5 = nx.DiGraph()  # 有向图
nx.add_path(G_5,['a','b','c','d','e'])

18. 给图G 添加/设置 环

G_6 = nx.DiGraph()  # 有向图
nx.add_cycle(G_6,['a','b','c','d','e'])

19. 子图

G_7 = nx.subgraph(G_6,['a','b','c'])

20. 图G 去掉特定点和边

G_8 = nx.cycle_graph(['a','b','c','d','e'])   # 产生一个无向环
G_8 = nx.restricted_view(G_8, ['e'], [('c', 'd'), ('a', 'b')])

21. 图G 改变所有边的方向

G_9 = nx.DiGraph()
nx.add_path(G_9,['a','b','c','d','e'])
G_9 = nx.reverse_view(G_9)

22. 图G 返回由指定边组成的子图

G_10 = nx.path_graph(['a','b','c','d','e'])
G_10 = G_10.edge_subgraph([('b', 'c'), ('d', 'e')])

23. 邻居节点

print("23. 星型图G_4中心节点a的邻居节点",list(nx.neighbors(G_4,'a')))

24. 非邻居节点

print("24. 星型图G_4中心节点a的非邻居节点",list(nx.non_neighbors(G_4,'a')))

25. 共同邻居节点

G_11 = nx.complete_graph(['a','b','c','d','e'])  # 完全图
print("25. 节点a和节点c的 共同邻居节点",list(nx.common_neighbors(G_11,'a','c')))

26. 返回图中不存在的边

G_12 = nx.create_empty_copy(G_11) # 将完全图中的边全部去掉
print("26. 图G_12中不存在的边：",list(nx.non_edges(G_12)))

27. 返回图中自环的边

G_13 = nx.MultiDiGraph() # or Graph, DiGraph, MultiDiGraph, etc
G_13.add_nodes_from(['a','b'])    
G_13.add_edge('a', 'a')
G_13.add_edge('a', 'b')
print("27. 图G_13中存在自环的边：",list(nx.selfloop_edges(G_13)))

28. 图中自环的数量

print("28. 图G_13中自环的数量：",nx.number_of_selfloops(G_13))

29. 图中存在自环的节点

print("29. 图G_13中存在自环的节点：",list(nx.nodes_with_selfloops(G_13)))

30. 判断是否存在加权边

G_14 = nx.DiGraph()
G_14.add_edge('a', 'b', weight=1)
print("30. 图G_14是否存在有权边：",nx.is_weighted(G_14))

31. 判断是否存在权值为负的边

G_15 = nx.DiGraph()
edges = [("a", "b", 3), ("b", "c", -5), ("c", "d", -2)]
G_15.add_weighted_edges_from(edges)
print("31. 图G_14是否存在权值为负的边：",nx.is_negatively_weighted(G_15))

32. 判断是否路径是否存在

print("32. 图G_4中是否存在c-a-b的路径：",nx.is_path(G_4,['c','a','b']))

33. 计算指定路径的权值

print("31. 图G_15中a-d路径的权值：",nx.path_weight(G_15,['a','b','c','d'],'weight'))

34. ER随机图 【fast_gnp_random_graph /// erdos_renyi_graph 】

G_er = nx.fast_gnp_random_graph(n=10, p=0.35, directed=True)   # n:节点个数    p: 边存在的概率   directed: 是否有向图  

35. WS小世界网络

G_ws = nx.watts_strogatz_graph(n=10, k=4, p=0.21) # n:节点个数    k: 与附件k个节点相连   p: 随机重连概率

36. BA无标度网络

G_ba = nx.barabasi_albert_graph(n=300, m=1)  # n:节点个数   m: 新节点连接到现有节点的边数