NetWorkX使用方法及nx.draw()相关参数解读
networkx在02年5月产生,是用python语言编写的软件包,便于用户对复杂网络进行创建、操作和学习。
利用networkx可以以标准化和非标准化的数据格式存储网络、生成多种随机网络和经典网络、分析网络结构、建立网络模型、设计新的网络算法、进行网络绘制等。
官方文档:https://www.osgeo.cn/networkx/reference/introduction.html
代码
首先导入包
import networkx as nx
创建一个空图
G = nx.Graph()
添加节点和边
G.add_node(1) #添加单个节点 G.add_node("x",name='tome') #添加单个节点及属性 G.add_nodes_from([2,3]) #从一个可迭代容器中添加多个节点 G.add_nodes_from([(4, {"color": "red"}), (5, {"color": "green"})])# 添加节点和属性
H = nx.path_graph(10) #创建一个新图 G.clear() # 清空图 G.add_nodes_from(H) #从另一张图中添加节点 print(list(H.nodes)) print(list(G.nodes))
G.add_edge(1,3)#添加一条边 G.add_edges_from([(2,3),(3,4)])# 添加多条边
查看节点和边
list(G.nodes) #查看节点 for k, v in G.nodes.items(): print(k,v) #查看节点及属性 G.number_of_nodes() #查看几个节点 G.adj[1] #查看邻居节点 G[1] #查看邻居节点 list(G.neighbors(1)) #查看邻居节点 G.number_of_edges() #查看几条边 G.add_edge(1,3) #查看特定边 G.edges() #查看边 G.add_edge(2,3) G.edges([1]) #查看1连接的所有边 G.edges([3]) #查看1连接的所有边 G.degree[1] #查看度 for node,neighbors in g.adjacency(): print(node, neighbors) # 查看邻接矩阵内容
删除节点和边
G.remove_node(4) G.remove_edge(1,3)
用已有的图构建新图
# 构建有向图 g = nx.DiGraph(G) nx.draw(g)
获取节点和边
G = nx.Graph([(1,2,{'color':'red'})]) G[1] #获取1的邻居节点 G[1][2] #获取边属性 G.edges[1,2] #获取边属性
图、节点、边属性
# 图级别属性 g = nx.Graph(day = 'none') g.graph #输出图级别的属性信息 g.graph['day']= 'tom' #修改图级别属性信息 g.graph['date']= 'now' #添加图级别属性信息
# 节点属性 g.add_node(1, time='now') g.add_nodes_from([2,3,4,5,6], time='yes') g.nodes.data() g.nodes[2]
# 边属性 g.add_edge(1,2,time='now') g.add_edges_from([(1,2,{'time':'now'}),(1,3,{'time':'naw'})]) G[1][2]['color'] = 'blue' G.edges[1,2]['color'] ='Y' g.edges.data()
分析图
# 分析图:连通分量 g.clear() g.add_edges_from([(1,2),(3,2)]) g.add_nodes_from("spam") list(nx.connected_components(g)) #有5个连通分量 nx.draw(g) #可视化
#分析图:按度排序 sorted(((node,degree) for node,degree in g.degree), key= lambda d:d[1],reverse = True)
图可视化
# 图可视化 g = nx.petersen_graph() nx.draw(g, with_labels = True) #标明label
从edgelist读取图
# 从edgelist读取图 g = nx.read_edgelist('edglist.txt') nx.draw(g, with_labels= True)
保存图
plt.savefig("path.png")
networkx–nx.draw()参数
x.draw()方法,至少接受一个参数:待绘制的网络G
运行样式
node_size
:指定节点的尺寸大小(默认是300)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)node_shape
:节点的形状(默认是圆形,用字符串'o'标识)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)
运用布局
circular_layout
:节点在一个圆环上均匀分布random_layout
:节点随机分布shell_layout
:节点在同心圆上分布spring_layout
:用Fruchterman-Reingold算法排列节点(样子类似多中心放射状)spectral_layout
:根据图的拉普拉斯特征向量排列节点
添加文本
用plt.title()方法可以为图形添加一个标题,该方法接受一个字符串作为参数。
fontsize参数用来指定标题的大小。例如:plt.title(“BA Networks”, fontsize = 20)。
如果要在任意位置添加文本,则可以采用plt.text()方法。
总结
以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。
相关文章
Python多进程池 multiprocessing Pool用法示例
这篇文章主要介绍了Python多进程池 multiprocessing Pool用法,结合实例形式分析了多进程池 multiprocessing Pool相关概念、原理及简单使用技巧,需要的朋友可以参考下2018-09-09pycharm最新免费激活码至2099年(21.3.18亲测可用)
这篇文章主要介绍了pycharm最新的激活码及激活码的使用方法,帮助大家更好的利用pycharm学习python,感兴趣的朋友可以了解下。2021-03-03
最新评论