pythonnetworkx復雜網(wǎng)絡分析應用

pythonnetworkx復雜?絡分析應??章?錄networkx簡單介紹networkX是?個Python包，?于創(chuàng)建、操作和研究復雜?絡的結(jié)構(gòu)、動態(tài)和功能。安裝只需在控制臺使?pip安裝即可，問題不?。pipinstallnetworkx不過復雜?絡畢竟還是要可視化的，這邊建議您同時使?python圖形庫matplotlibimportnetworkxasnximportmatplotlib.pyplotaspltnetworkx基本操作根據(jù)圖的定義，圖是節(jié)點的集合，并且節(jié)點間有依賴關(guān)系(邊)。在NetworkX中，節(jié)點可以是任何可刷新的對象，如?本字符串、圖像、XML對象、另?個圖(Graph)、?定義節(jié)點對象等。使?如下代碼，即可?成?個圖。G=nx.Graph()節(jié)點(Nodes)使?如下代碼，即可?成包含三個節(jié)點的圖，當然沒有邊連接的圖就看起來特別搞笑。importnetworkxasnximportmatplotlib.pyplotaspltG=nx.Graph()#?成圖G.add_node(1)#添加?個節(jié)點G.add_nodes_from([2,3])#添加列表?的節(jié)點#可視化nx.draw(G)plt.show()邊(Nodes)直接定義邊連接，?需重新定義節(jié)點。importnetworkxasnximportmatplotlib.pyplotaspltG=nx.Graph()#?成圖G.add_edge(1,2)#添加?條邊G.add_edges_from([(1,3),(2,3)])#添加列表?的邊#可視化nx.draw(G)plt.show()節(jié)點與邊的屬性信息如下代碼可以為圖、節(jié)點、邊添加屬性信息。importnetworkxasnximportmatplotlib.pyplotasplt#為圖添加屬性G=nx.Graph(day="Friday")print(G.graph)#為節(jié)點添加屬性G.add_node(1,time='5pm')G.add_nodes_from([3],time='2pm')print(G.nodes[1])G.nodes[1]['room']=714print(G.nodes.data())#為邊添加屬性G.add_edges_from([(1,2),(1,3)])print(G.edges[1,2])G.edges[1,2]['color']="red"#為邊添加屬性print(G.edges[1,2])>>>{'day':'Friday'}>>>{'time':'5pm'}>>>NodeDataView({1:{'time':'5pm','room':714},3:{'time':'2pm'}})>>>{}>>>{'color':'red'}節(jié)點與邊的其他操作當添加新的節(jié)點、邊時，networkx會忽略任何已經(jīng)存在的節(jié)點、邊。importnetworkxasnximportmatplotlib.pyplotaspltG=nx.Graph()G.add_edges_from([(1,2),(1,3)])G.add_node(1)G.add_edge(1,2)G.add_node("spam")#添加節(jié)點"spam"G.add_nodes_from("spam")#添加四個節(jié)點:'s','p','a','m'G.add_edge(3,'m')nx.draw(G,with_labels=True,font_weight='bold')#顯?標簽，字體加粗plt.show()可視化結(jié)果啊啊啊啊同時也可以輸出圖中節(jié)點和邊的數(shù)量等信息。>>>G.number_of_nodes()8>>>G.number_of_edges()3>>>list(G.nodes)[1,2,3,'spam','s','p','a','m']>>>list(G.edges)[(1,2),(1,3),(3,'m')]>>>list(G.adj[1])#或list(G.neighbors(1)),輸出節(jié)點1的關(guān)聯(lián)節(jié)點[2,3]>>>G.degree[1]#?向圖中節(jié)點1的度,也就是該節(jié)點關(guān)聯(lián)節(jié)點的數(shù)量，也可以理解成連接邊數(shù)量2在圖中刪除節(jié)點與連邊>>>G.remove_node(2)>>>G.remove_nodes_from("spam")>>>G.remove_edge(1,3)>>>>list(G.nodes)[1,3,'spam']圖的遍歷操作遍歷操作是特別重要的，G.adjacency()和G.adj.items()可以對圖快速遍歷。不過需要注意的是，對于?向圖??，迭代會看到每條邊兩次。>>>FG=nx.Graph()>>>FG.add_weighted_edges_from([(1,2,0.125),(1,3,0.75),(2,4,1.2),(3,4,0.375)])>>>forn,nbrsinFG.adj.items():.........fornbr,eattrinnbrs.items():wt=eattr['weight']ifwt<0.5:print('(%d,%d,%.3f)'%(n,nbr,wt))(1,2,0.125)(2,1,0.125)(3,4,0.375)(4,3,0.375)通過邊線屬性可以?便地訪問符合權(quán)重?于0.5的邊。>>>for(u,v,wt)inFG.edges.data('weight'):...ifwt<0.5:print('(%d,%d,%.3f)'%(u,v,wt))(1,2,0.125)(3,4,0.375)有向圖與度有向圖就需要指定權(quán)重，并且節(jié)點會有出度值以及?度值。importnetworkxasnximportmatplotlib.pyplotaspltDG=nx.DiGraph()DG.add_weighted_edges_from([(1,2,0.5),(3,1,0.75)])print(DG.in_degree(1,weight='weight'))#節(jié)點1的?度值print(DG.out_degree(1,weight='weight'))#節(jié)點1的出度值print(DG.degree(1,weight='weight'))#節(jié)點1的度>>>0.75>>>0.5>>>1.25其他?成圖的?式除了按節(jié)點構(gòu)建圖或按邊構(gòu)建圖外，還可以通過其他?法?成圖。例如?成?個神秘的陣法。importnetworkxasnximportmatplotlib.pyplotaspltG=nx.dodecahedral_graph()#???體？options={'node_color':'black','node_size':100,'width':3,}shells=[[2,3,4,5,6],[8,1,0,19,18,17,16,15,14,7],[9,10,11,12,13]]nx.draw_shell(G,nlist=shells,**options)plt.show()在這?插?圖?描述都是?些騷操作，在此不做展開。networkx簡單應?以Wikivote投票?絡學習復雜?絡基本名詞以及networkx包對復雜?絡進?基本操作，并通過隨機ER圖、SW?世界圖和真實的合作?絡數(shù)據(jù)集為例，學習?絡的基本分析?法。數(shù)據(jù)來源importnetworkxasnximportmatplotlib.pyplotaspltG=nx.DiGraph()#讀取數(shù)據(jù)withopen('Wiki-Vote.txt')asf:forlineinf:iflen(line.split())>2:#tx?t件中前?四?是注釋信息continue#該判斷語句作?是過濾掉前四?data_line=line.split()G.add_edge(data_line[0],data_line[1])print('?絡中的節(jié)點數(shù)量:%d'%nx.number_of_nodes(G))#有沒有??投票給??的print('?絡有?環(huán)的節(jié)點數(shù)量:%d'%nx.number_of_selfloops(G))#既然沒有?環(huán)節(jié)點，那有向邊數(shù)量就是所有邊的數(shù)量print('?絡中有向邊數(shù)量:%d'%G.number_of_edges())#有多少對節(jié)點互相投票count=0forxinG.edges:if(x[1],x[0])inG.edges:count+=1print('?絡中互惠邊數(shù)量:%d'%(count//2))#計算?度和出度為0的節(jié)點count=0forxinG.in_degree():ifx[1]!=0:count+=1print('?絡?度為0的節(jié)點:%d'%(count))count=0forxinG.out_degree():ifx[1]!=0:count+=1print('?絡出度為0的節(jié)點:%d'%(count))#計算?度和出度?于10count=0的節(jié)點forxinG.in_degree():ifx[1]<10:count+=1print('?絡?度?于10的節(jié)點:%d'%(count))count=0forxinG.out_degree():ifx[1]>10:count+=1print('?絡出度?于10的節(jié)點:%d'%(count))輸出?絡中的節(jié)點數(shù)量:7115?絡有?環(huán)的節(jié)點數(shù)量:0?絡中有向邊數(shù)量:103689?絡中互惠邊數(shù)量:2927?絡?度為0的節(jié)點:2381?絡出度為0的節(jié)點:6110?絡?度?于10的節(jié)點:5165?絡出度?于10的節(jié)點:1612此為本?兩年前復雜?絡課程作業(yè)，本?并沒有仔細關(guān)注有些計算是否有對應的?法，因此?些計算采?了迭代的?式算出結(jié)果，歡迎指正。networkx進階應?有向隨機圖通過調(diào)?以下?法實現(xiàn)gnm_random_graph(n,k,seed,directed=True])返回隨機圖importnetworkxasnximportmatplotlib.pyplotaspltimportnumpyasnp#?成n=5242個節(jié)點以及m=14484條邊的有向隨機圖。n=5242m=14484G1=nx.gnm_random_graph(n,m,seed=7,directed=True)nx.draw(G1,node_size=70)plt.show()Watts–Strogatz?世界圖通過調(diào)?以下?法實現(xiàn)watts_strogatz_graph(n,k,p[,seed])返回Watts–Strogatz?世界圖通過nx.watts_strogatz_graph(5242,4,p=0,seed=7)?法?成?個節(jié)點為5242的有向圖，每個節(jié)點與相鄰最近的4個節(jié)點相連，與其他節(jié)點相連的概率為0，隨機種?為7，通過pos布局設(shè)置為環(huán)狀。importnetworkxasnximportmatplotlib.pyplotaspltimportnumpyasnpn=5242k=4G=nx.watts_strogatz_graph(n,k,p=0,seed=7)pos=nx.circular_layout(G,scale=1,center=None,dim=2)print("sw?世界邊數(shù)為：",nx.number_of_edges(G)