Python 学习 第十六篇：networkx

networkx是Python的一个包，用于构建和操做复杂的图结构，提供分析图的算法。图是由顶点、边和可选的属性构成的数据结构，顶点表示数据，边是由两个顶点惟一肯定的，表示两个顶点之间的关系。顶点和边也能够拥有更多的属性，以存储更多的信息。

对于networkx建立的无向图，容许一条边的两个顶点是相同的，即容许出现自循环，可是不容许两个顶点之间存在多条边，即出现平行边。边和顶点均可以有自定义的属性，属性称做边和顶点的数据，每个属性都是一个Key:Value对。

一，建立图

在建立图以前，须要导入networkx模块，一般设置别名为nx；若是建立的图中，顶点之间的边没有方向，那么该图称做无向图。在建立图时，能够经过help(g)来得到图的帮助文档。

import networkx as nx

g=nx.Graph()#建立空的无向图
g=nx.DiGraph()#建立空的有向图

二，图的顶点

图中的每个顶点Node都有一个关键的ID属性，用于惟一标识一个节点，ID属性能够整数或字符类型；顶点除了ID属性以外，还能够自定义其余的属性。

1，向图中增长顶点

在向图中增长顶点时，能够一次增长一个顶点，也能够一次性增长多个顶点，顶点的ID属性是必需的。在添加顶点以后，能够经过g.nodes()函数得到图的全部顶点的视图，返回的实际上NodeView对象；若是为g.nodes(data=True)的data参数设置为true，那么返回的是NodeDataView对象，该对象不只包含每一个顶点的ID属性，还包括顶点的其余属性。

g.add_node(1)
g.add_nodes_from([2,3,4])
g.nodes()
#NodeView((1, 2,3,4))

在向图中添加顶点时，除ID属性以外，也能够向顶点中增长自定义的属性，例如，名称属性，权重属性：

>>> g.add_node(1,name='n1',weight=1)
>>> g.add_node(2,name='n2',weight=1.2)

2，查看顶点的属性

经过属性_node得到图的全部顶点和属性的信息，_node属性返回的是一个字典结构，字典的Key属性是顶点的ID属性，Value属性是顶点的其余属性构成的一个字典。

>>> g._node
{1: {'name': 'n1', 'weight': 1}, 2: {'name': 'n2', 'weight': 1.2}, 3: {}, 4: {}}
>>>g.nodes(data=True)

能够经过顶点的ID属性来查看顶点的其余属性：

>>> g.node[1]
{'name': 'n1', 'weight': 1}
>>> g.node[1]['name']
'n1 new'

经过g.nodes()，按照特定的条件来查看顶点：

 >>> list(g.nodes(data=True))
 [(1, {'time': '5pm'}), (3, {'time': '2pm'})]

3，删除顶点

经过remove函数删除图的顶点，因为顶点的ID属性可以惟一标识一个顶点，一般删除顶点都须要经过传递ID属性做为参数。

g.remove_node(node_ID)
g.remove_nodes_from(nodes_list)

4，更新顶点

更新图的顶点，有两种方式，第一种方式使用字典结构的_update函数，第二种方式是经过索引来设置新值：

>>> g._node[1].update({'name':'n1 new'})
>>> g.node[1]['name']='n1 new'
{1: {'name': 'n1 new', 'weight': 1}, 2: {'name': 'n2', 'weight': 1.2}, 3: {}, 4: {}}

5，删除顶点的属性

使用del命令删除顶点的属性

del g.nodes[1]['room'] 

6，检查是否存在顶点

检查一个顶点是否存在于图中，能够使用 n in g方式来判断，也能够使用函数：

g.has_node(n)

三，图的边

图的边用于表示两个顶点之间的关系，所以，边是由两个顶点惟一肯定的。为了表示复杂的关系，一般会为边增长一个权重weight属性；为了表示关系的类型，也会设置为边设置一个关系属性。

1，向图中增长边

边是由对应顶点的名称构成的，例如，顶点2和3之间有一条边，记做e=(2,3)，经过add_edge(node1,node2)向图中添加一条边，也能够经过add_edges_from(list)向图中添加多条边；在添加边时，若是顶点不存在，那么networkx会自动把相应的顶点加入到图中。

g.add_edge(2,3)
g.add_edges_from([(1,2),(1,3)])
g.edges()
#EdgeView([(1, 2), (1, 3), (2, 3)])

能够向边中增长属性，例如，权重，关系等：

g.add_edge(1, 2, weight=4.7, relationship='renew')

因为在图中，边的权重weight是很是有用和经常使用的属性，所以，networkx模块内置以一个函数，专门用于在添加边时设置边的权重，该函数的参数是三元组，前两个字段是顶点的ID属性，用于标识一个边，第三个字段是边的权重：

g.add_weighted_edges_from([(1,2,0.125),(1,3,0.75),(2,4,1.2),(3,4,0.375)])

在增长边时，也能够一次增长多条边，为不一样的边设置不一样的属性：

g.add_edges_from([(1,2,{'color':'blue'}), (2,3,{'weight':8})])

2，查看边的属性

查看边的属性，就是查看边的数据(data)，查看全部边及其属性：

>>> g.edges(data=True)
EdgeDataView([(1, 2, {}), (1, 3, {}), (2, 3, {})])

查看特定的边的信息有两种方式：

>>> g[1][2]
>>> g.get_edge_data(1,2)
{'weight': 0.125, 'relationship': 'renew', 'color': 'blue'}

3，删除边

边是两个顶点的ID属性构成的元组，经过 edge=(node1,node2) 来标识边，进而从图中找到边：

g.remove_edge(edge)
g.remove_edges_from(edges_list)

4，更新边的属性

经过边来更新边的属性，由两种方式，一种是使用update函数，一种是经过属性赋值来实现：

g[1][2]['weight'] = 4.7
g.edge[1][2]['weight'] = 4
g[1][2].update({"weight": 4.7})
g.edges[1, 2].update({"weight": 4.7})   

5，删除边的属性

经过 del命令来删除边的属性

del g[1][2]['name']

6，检查边是否存在

检查一条边是否存在于图中

g.has_edge(1,2)

四，图的属性

图的属性主要是指相邻数据，节点和边。

1，adj

ajd返回的是一个AdjacencyView视图，该视图是顶点的相邻的顶点和顶点的属性，用于显示用于存储与顶点相邻的顶点的数据，这是一个只读的字典结构，Key是顶点，Value是顶点的属性数据。

>>> g.adj[1][2]
{'weight': 0.125, 'relationship': 'renew', 'color': 'blue'}
>>> g.adj[1]
AtlasView({2: {'weight': 0.125, 'relationship': 'renew', 'color': 'blue'}, 3: {'weight': 0.75}})

2，edges

图的边是由边的两个顶点惟一肯定的，边还有必定的属性，所以，边是由两个顶点和边的属性构成的：

>>> g.edges
EdgeView([(1, 2), (1, 3), (2, 3), (2, 4), (3, 4)])
>>> g.edges.data()
EdgeDataView([(1, 2, {'weight': 0.125, 'relationship': 'renew', 'color': 'blue'}), 
(1, 3, {'weight': 0.75}), 
(2, 3, {'weight': 8}), 
(2, 4, {'weight': 1.2}), 
(3, 4, {'weight': 0.375})])

EdgeView仅仅提供边的信息，能够经过属性g.edges或函数g.edges()来得到图的边视图。

EdgeDataView提供图的边和边的属性，能够经过EdgeView对象来调用data()函数得到。

3，nodes

图的顶点是顶点和顶点的属性构成的

>>> g.nodes
NodeView((1, 2, 3, 4))
>>> g.nodes.data()
NodeDataView({1: {'name': 'n1 new', 'weight': 1}, 2: {'name': 'n2', 'weight': 1.2}, 3: {}, 4: {}})

NodeView 经过属性g.nodes或函数g.nodes()来得到。

NodeDataView提供图的边和边的属性，能够经过NodeView对象来调用data()函数得到。

4，degree

对于无向图，顶点的度是指跟顶点相连的边的数量；对于有向图，顶点的图分为入度和出度，朝向顶点的边称做入度；背向顶点的边称做出度。

经过g.degree 或g.degree()可以得到DegreeView对象，

五，图的遍历

 图的遍历是指按照图中各顶点之间的边，从图中的任一顶点出发，对图中的全部顶点访问一次且只访问一次。图的遍历按照优先顺序的不一样，一般分为深度优先搜索（DFS）和广度优先搜索（BFS）两种方式。

1，查看顶点的相邻顶点

查看顶点的相邻顶点，有多种方式，例如，如下代码都用于返回顶点1的相邻顶点，g[n]表示图g中，与顶点n相邻的全部顶点：

g[n]
g.adj[n]
g.neighbors(n)

其中，g.neighbors(n)是g.adj[n]的迭代器版本。

2，查看图的相邻

该函数返回顶点n和相邻的节点信息：

>>> for n, nbrs in g.adjacency():
...     print(n)
...     print(nbrs)

3，图的遍历

深度优先遍历的算法：

• 首先以一个未被访问过的顶点做为起始顶点，沿当前顶点的边走到未访问过的相邻顶点；
• 当当前顶点没有未访问过的相邻顶点时，则回到上一个顶点，继续试探别的相邻顶点，直到全部的顶点都被访问过。

深度优先遍历算法的思想是：从一个顶点出发，一条路走到底；若是此路走不通，就返回上一个顶点，继续走其余路。

广度优先遍历的算法：

• 从顶点v出发，依次访问v的各个未访问过的相邻顶点；
• 分别从这些相邻顶点出发依次访问它们的相邻顶点；

广度优先遍历算法的思想是：以v为起点，按照路径的长度，由近至远，依次访问和v有路径相通且路径长度为1,2...，n的顶点。

在进行图遍历时，须要访问顶点的相邻顶点，这须要用到adjacency()函数，例如，g是一个无向图，n是顶点，nbrs是顶点n的相邻顶点，是一个字典结构

for n,nbrs in g.adjacency(): 
    print (n, nbrs)
    for nbr,attr in nbrs.items():
        # nbr表示跟n链接的顶点，attr表示这两个点连边的属性集合
        print(nbr,attr）

六，绘制Graph

使用networkx模块draw()函数构造graph，使用matplotlib把图显示出来：

nx.draw(g)

import matplotlib.pyplot as plt
plt.show()

修改顶点和边的颜色：

g = nx.cubical_graph()
nx.draw(g, pos=nx.spectral_layout(g), nodecolor='r', edge_color='b')
plt.show()

完整的示例以下面的代码所示：

from matplotlib import pyplot as plt
import networkx as nx
g=nx.Graph()
g.add_nodes_from([1,2,3])
g.add_edges_from([(1,2),(1,3)])
nx.draw_networkx(g)
plt.show()

七，计算每一个顶点的PageRank值

每一个顶点的PageRank（简称PR）值，是访问顶点的几率，能够经过networkx.pagerank()函数来计算，该函数根据顶点的入边和边的权重来计算顶点的PR值，也就是说，PR值跟顶点的入边有关，跟入边的weight（权重）属性有关：

pagerank(g, alpha=0.85, personalization=None, max_iter=100, tol=1e-06, nstart=None, weight='weight', dangling=None)

经常使用参数注释：

• g：无向图会被转换为有向图，一条无向边转换为两条有向边；
• alpha：阻尼参数，默认值是0.85，取值范围为 0 到 1, 表明从图中某一特定点指向其余任意点的几率；
• weight：默认值是weight，表示使用edge的weight属性做为权重，若是没有指定，那么把edge的权重设置为1；

1，举个例子

例如，建立一个有向图，由三个顶点（A、B和C），两条边（A指向B，A指向C），边的权重都是0.5

g=nx.DiGraph()
g.add_weighted_edges_from([('A','B',0.5),('A','C',0.5)])
print( nx.pagerank(g))
#{'A': 0.259740259292235, 'C': 0.3701298703538825, 'B': 0.3701298703538825}

修改边的权重，并查看顶点的PR值：

g['A']['C']['weight']=1
print( nx.pagerank(g))    
# {'A': 0.259740259292235, 'C': 0.40692640737443164, 'B': 0.3333333333333333}

2，查看各个顶点的PR值

根据图来建立PageRank，并查看各个顶点的PageRank值

pr=nx.pagerank(g)
#page_rank_value=pr[node]
for node, pageRankValue in pr.items():
    print("%s,%.4f" %(node,pageRankValue))

 

 

 

参考文档：

python networkx 包绘制复杂网络关系图

社会网络分析与挖掘---Python之networkx介绍

python之networkx库小结

python复杂网络分析库NetworkX