初次写记录--关于networkx

2024-03-20 20:58
文章标签 记录 初次 networkx

本文主要是介绍初次写记录--关于networkx,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

@TOC,初始尝试在线刷内容,转载记录练习下

笔记

原文链接:https://blog.csdn.net/roger_royer/article/details/81348256

有向图和无向图都可以给边赋予权重,用到的方法是add_weighted_edges_from,它接受1个或多个三元组[u,v,w]作为参数,其中u是起点,v是终点,w是权重。例如:

                G.add_weighted_edges_from([(0,1,3.0),(1,2,7.5)])

如果想读取权重,可以使用get_edge_data方法,它接受两个参数u和v,即边的起讫点。例如:

  print G.get_edge_data(1,2)                   #输出{'weight': 7.5}

NetworkX提供了常用的图论经典算法,例如DFS、BFS、最短路、最小生成树、最大流等等,非常丰富,如果不做复杂网络,只作图论方面的工作,也可以应用NetworkX作为基本的开发包。具体的算法调用方法我就不一一介绍了,可以浏览NX的在线手册http://networkx.lanl.gov/reference/algorithms.html,对每个算法都提供了详细的帮助文档和示例。下面只给出一个最短路算法的例子:

path=nx.all_pairs_shortest_path(G)      #调用多源最短路径算法,计算图G所有节点间的最短路径
print path[0][2]                        #输出节点02之间的最短路径序列: [0, 1, 2]

画无向图

import networkx as nx
edgelist = [(0, 1), (1, 2), (2, 3)]
H = nx.Graph(edgelist)
nx.draw_networkx(H)

打印各节点间权重

import networkx as nx
FG = nx.Graph()
FG.add_weighted_edges_from([(1, 2, 0.125), (1, 3, 0.75), (2, 4, 1.2), (3, 4, 0.375)])
for n, nbrs in FG.adj.items():for nbr, eattr in nbrs.items():wt = eattr['weight']if wt < 0.5: print('(%d, %d, %.3f)' % (n, nbr, wt))

获取边权重

import networkx as nx
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[3, 4]['weight'] = 4.2
print(G[1][2])       # 获取权重 #
nx.draw_networkx(G)

图属性的添加

属性诸如weight,labels,colors,或者任何对象,你都可以附加到图、节点或边上。
对于每一个图、节点和边都可以在关联的属性字典中保存一个(多个)键-值对。
默认情况下这些是一个空的字典,但是我们可以增加或者是改变这些属性。

#图的属性
import networkx as nx
import matplotlib.pyplot as plt
G = nx.Graph(day='Monday')    #可以在创建图时分配图的属性
G.graph['day'] = 'Friday'     #也可以修改已有的属性
G.graph['name'] = 'time'      #可以随时添加新的属性到图中
#节点的属性
G = nx.Graph(day='Monday')
G.add_node(1, index='1th')             #在添加节点时分配节点属性
print(G.node(data=True))
G.node[1]['index'] = '0th'             #通过G.node[][]来添加或修改属性
print(G.node(data=True))
G.add_nodes_from([2,3], index='2/3th') #从集合中添加节点时分配属性
print(G.nodes(data=True))
#边的属性
G = nx.Graph(day='manday')
G.add_edge(1,2,weight=10)                    #在添加边时分配属性
print(G.edges(data=True))
G.add_edges_from([(1,3), (4,5)], len=22)     #从集合中添加边时分配属性
print(G.edges(data='len'))
G.add_edges_from([(3,4,{'hight':10}),(1,4,{'high':'unknow'})])
print(G.edges(data=True))
G[1][2]['weight'] = 100000                   #通过G[][][]来添加或修改属性
print(G.edges(data=True))

出入度

import networkx as nx
DG.add_weighted_edges_from([(1, 2, 0.5), (3, 1, 0.75), (1, 4, 1), (1, 5, 2), (6, 1, 5)])print(DG.out_degree(1, weight='weight'))    # 出度权重之和 #
print(DG.out_degree(1))                     # 出度 #
print(DG.in_degree(1, weight='weight'))     # 入度权重之和 #
print(DG.in_degree(1))                      # 入度 #
print(DG.degree(1, weight='weight'))        # 节点1的出入度权重之和 #
print(DG.degree(1))                         # 出入度 #
print(DG.degree(weight='weight'))           # 所有节点的出入度权重之和 print(list(DG.successors(1)))
print(list(DG.neighbors(1)))                # 节点1所指向的节点编号 #
print(DG.edges())
print(DG.nodes())
print(DG.out_edges(1))                      # 出边 #
print(DG.in_edges(1))                       # 入边 #
print(DG.number_of_nodes())                 # 节点数 #
print(DG.number_of_edges())                 # 边数 #
nx.draw_networkx(DG)
plt.show()

绘制一幅图

plt.figure() #创建一幅图
nx.draw(G , node_color='y', with_labels=True, node_size=800)    #node_color='y'表示绘制节点的颜色为黄色,默认为红色;with_labels=True使节点上显示节点的名字,默认为False;node_size设置节点大小,默认为300
plt.show()

NetworkX提供了一系列样式参数,可以用来修饰和美化图形,达到我们想要的效果。常用的参数包括:node_size: 指定节点的尺寸大小(默认是300,单位未知,就是上图中那么大的点)

  • node_color: 指定节点的颜色 (默认是红色,可以用字符串简单标识颜色,例如’r’为红色,’b’为绿色等,具体可查看手册)
  • node_shape: 节点的形状(默认是圆形,用字符串’o’标识,具体可查看手册)
  • alpha: 透明度 (默认是1.0,不透明,0为完全透明)
  • width: 边的宽度 (默认为1.0)
  • edge_color: 边的颜色(默认为黑色)
  • style: 边的样式(默认为实现,可选: solid|dashed|dotted,dashdot)
  • with_labels: 节点是否带标签(默认为True)
  • font_size: 节点标签字体大小 (默认为12)
  • font_color: 节点标签字体颜色(默认为黑色)

完全图

G = nx.complete_graph(5)
nx.draw_networkx(G)
plt.show()

参考文献

另外一个参考文档
https://blog.csdn.net/ztf312/article/details/48468623
供学习博客
https://blog.csdn.net/ztf312//article/list/15

这篇关于初次写记录--关于networkx的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/830697

相关文章

Java使用SLF4J记录不同级别日志的示例详解

《Java使用SLF4J记录不同级别日志的示例详解》SLF4J是一个简单的日志门面,它允许在运行时选择不同的日志实现,这篇文章主要为大家详细介绍了如何使用SLF4J记录不同级别日志,感兴趣的可以了解下... 目录一、SLF4J简介二、添加依赖三、配置Logback四、记录不同级别的日志五、总结一、SLF4J

在Spring Boot中浅尝内存泄漏的实战记录

《在SpringBoot中浅尝内存泄漏的实战记录》本文给大家分享在SpringBoot中浅尝内存泄漏的实战记录,结合实例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录使用静态集合持有对象引用,阻止GC回收关键点:可执行代码:验证:1,运行程序(启动时添加JVM参数限制堆大小):2,访问 htt

MySQL 中查询 VARCHAR 类型 JSON 数据的问题记录

《MySQL中查询VARCHAR类型JSON数据的问题记录》在数据库设计中,有时我们会将JSON数据存储在VARCHAR或TEXT类型字段中,本文将详细介绍如何在MySQL中有效查询存储为V... 目录一、问题背景二、mysql jsON 函数2.1 常用 JSON 函数三、查询示例3.1 基本查询3.2

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

Spring Boot 配置文件之类型、加载顺序与最佳实践记录

《SpringBoot配置文件之类型、加载顺序与最佳实践记录》SpringBoot的配置文件是灵活且强大的工具,通过合理的配置管理,可以让应用开发和部署更加高效,无论是简单的属性配置,还是复杂... 目录Spring Boot 配置文件详解一、Spring Boot 配置文件类型1.1 applicatio

MySQL INSERT语句实现当记录不存在时插入的几种方法

《MySQLINSERT语句实现当记录不存在时插入的几种方法》MySQL的INSERT语句是用于向数据库表中插入新记录的关键命令,下面:本文主要介绍MySQLINSERT语句实现当记录不存在时... 目录使用 INSERT IGNORE使用 ON DUPLICATE KEY UPDATE使用 REPLACE

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

Spring Boot中定时任务Cron表达式的终极指南最佳实践记录

《SpringBoot中定时任务Cron表达式的终极指南最佳实践记录》本文详细介绍了SpringBoot中定时任务的实现方法,特别是Cron表达式的使用技巧和高级用法,从基础语法到复杂场景,从快速启... 目录一、Cron表达式基础1.1 Cron表达式结构1.2 核心语法规则二、Spring Boot中定

国内环境搭建私有知识问答库踩坑记录(ollama+deepseek+ragflow)

《国内环境搭建私有知识问答库踩坑记录(ollama+deepseek+ragflow)》本文给大家利用deepseek模型搭建私有知识问答库的详细步骤和遇到的问题及解决办法,感兴趣的朋友一起看看吧... 目录1. 第1步大家在安装完ollama后,需要到系统环境变量中添加两个变量2. 第3步 “在cmd中