Networkx通过封装和集成丰富的图论算法来支持用户自由地进行图分析（Graph Analysis）。下面一些在风控和反欺诈场景下比较常见的集中算法进行演示，具体的图算法可参考networkx的官方文档。
聚类系数
图中的聚类性质主要通过三角形（triangle）和三元组（triplet）的数量及他们直接的比例来衡量的，具体算法可以参考直观理解：图算法之Triangle Count和Clustering Coefficient，本文只演示如何通过networkx去得到相应的结果。Networkx中与聚类相关的方法有如下几个：
| 方法名称 | 用途描述 |
|---|---|
triangles(G[, nodes]) |
计算图G中三角形的个数 |
transitivity(G) |
计算图的传递性，即图G中所有可能三角形的比例 |
clustering(G[, nodes, weight]) |
计算节点的聚类系数 |
average_clustering(G[, nodes, weight, ...]) |
计算图G的平均聚类系数 |
square_clustering(G[, nodes]) |
计算节点的平方聚类系数 |
generalized_degree(G[, nodes]) |
计算节点的广义度 |
下面直接开始coding，注释很详尽，应该都能看得懂。
import networkx as nx
import networkx.algorithms as algos
import matplotlib.pyplot as plt
#创建一个watts_strogatz小世界网络图
G = nx.watts_strogatz_graph(10, 4, 0.3)
nx.draw(G, with_labels = True)
生成如下图所示的图G
#展示顶点0的三角形计数
print(nx.triangles(G, 0))
#result: 5
#展示图中所有顶点的三角形计数
print(nx.triangles(G))
#result: {0: 5, 1: 5, 2: 3, 3: 1, 4: 2, 5: 3, 6: 3, 7: 3, 8: 6, 9: 5}
#计算图的传递性
print(nx.transitivity(G))
#result: 0.5625
#计算顶点0的聚类系数
print(nx.clustering(G, 0))
#result: 0.8333333333333334
#计算图G中每个顶点的聚类系数
print(nx.clustering(G))
#result: {0: 0.8333333333333334, 1: 0.8333333333333334, 2: 0.5, 3: 1.0, 4: 0.6666666666666666,
# 5: 0.5, 6: 0.3, 7: 0.5, 8: 0.6, 9: 0.5}
#计算图G的平局聚类系数
print(nx.average_clustering(G))
#result: 0.6233333333333333
#计算顶点0的平方聚类系数
print(nx.square_clustering(G, 0))
#result: 0.45454545454545453
#计算图G中每个顶点的平方聚类系数
nx.square_clustering(G)
#result: {0: 0.45454545454545453, 1: 0.45454545454545453, 2: 0.38461538461538464, 3: 0.5,
# 4: 0.2, 5: 0.14285714285714285, 6: 0.17391304347826086, 7: 0.18181818181818182,
# 8: 0.3333333333333333,9: 0.28888888888888886}
#计算顶点0的广义度
print(nx.generalized_degree(G, 0))
#result: Counter({3: 2, 2: 2})
#计算图中所有顶点的广义度
print(nx.generalized_degree(G))
#result: {0: Counter({3: 2, 2: 2}), 1: Counter({3: 2, 2: 2}), 2: Counter({2: 3, 0: 1}), 3: Counter({1: 2}), 4: Counter({1: 2, 2: 1}), 5: Counter({1: 2, 2: 2}), 6: Counter({1: 2, 2: 2, 0: 1}), 7: Counter({1: 2, 2: 2}), 8: Counter({3: 3, 2: 1, 1: 1}), 9: Counter({2: 3, 1: 1, 3: 1})}