pythonnetworkx教程_Python学习教程之networkx
networkx是Python的⼀个包，⽤于构建和操作复杂的图结构，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，边是由两个顶点唯⼀确定的，表⽰两个顶点之间的关系。顶点和边也可以拥有更多的属性，以存储更多的信息。
对于networkx创建的⽆向图，允许⼀条边的两个顶点是相同的，即允许出现⾃循环，但是不允许两个顶点之间存在多条边，即出现平⾏边。边和顶点都可以有⾃定义的属性，属性称作边和顶点的数据，每⼀个属性都是⼀个Key:Value对。
⼀，创建图
在创建图之前，需要导⼊networkx模块，通常设置别名为nx；如果创建的图中，顶点之间的边没有⽅向，那么该图称作⽆向图。在创建图时，可以通过help(g)来获得图的帮助⽂档。
import networkx as nx
g=nx.Graph()#创建空的⽆向图
g=nx.DiGraph()#创建空的有向图
⼆，图的顶点
摘花的英文
图中的每⼀个顶点Node都有⼀个关键的ID属性，⽤于唯⼀标识⼀个节点，ID属性可以整数或字符类型；顶点除了ID属性之外，还可以⾃定义其他的属性。cri
1，向图中增加顶点
在向图中增加顶点时，可以⼀次增加⼀个顶点，也可以⼀次性增加多个顶点，顶点的ID属性是必需的。在添加顶点之后，可以通过
g.add_node(1)
g.add_nodes_from([2,3,4])
#NodeView((1, 2,3,4))
在向图中添加顶点时，除ID属性之外，也可以向顶点中增加⾃定义的属性，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
通过属性_node获得图的所有顶点和属性的信息，_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属性是顶点的其他属性构成的⼀个字典。
>>> g._node
{1: {'name': 'n1', 'weight': 1}, 2: {'name': 'n2', 'weight': 1.2}, 3: {}, 4: {}}
>>&des(data=True)
可以通过顶点的ID属性来查看顶点的其他属性：
>>> g.node[1]
{'name': 'n1', 'weight': 1}
奥林比亚>>> g.node[1]['name']
'n1 new'
通过g.nodes()，按照特定的条件来查看顶点：
>>> des(data=True))
[(1, {'time': '5pm'}), (3, {'time': '2pm'})]
3，删除顶点
通过remove函数删除图的顶点，由于顶点的ID属性能够唯⼀标识⼀个顶点，通常删除顶点都需要通过传递ID属性作为参数。
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，第⼆种⽅式是通过索引来设置新值：
>>> 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
des[1]['room']
6，检查是否存在顶点
检查⼀个顶点是否存在于图中，可以使⽤ n in g⽅式来判断，也可以使⽤函数：
g.has_node(n)
三，图的边
图的边⽤于表⽰两个顶点之间的关系，因此，边是由两个顶点唯⼀确定的。为了表⽰复杂的关系，通常会为边增加⼀个权重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，向图中增加边
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，记作e=(2,3)，通过add_edge(node1,node2)向图中添加⼀条边，也可以通过add_edges_from(list)向图中添加多条边；在添加边时，如果顶点不存在，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)])
可以向边中增加属性，例如，权重，关系等：
g.add_edge(1, 2, weight=4.7, relationship='renew')
由于在图中，边的权重weight是⾮常有⽤和常⽤的属性，因此，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)])
在增加边时，也可以⼀次增加多条边，为不同的边设置不同的属性：
g.add_edges_from([(1,2,{'color':'blue'}), (2,3,{'weight':8})])
2，查看边的属性
soda查看边的属性，就是查看边的数据(data)，查看所有边及其属性：
>>> g.edges(data=True)
EdgeDataView([(1, 2, {}), (1, 3, {}), (2, 3, {})])
60 minutes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，通过edge=(node1,node2) 来标识边，进⽽从图中找到边：
4，更新边的属性
通过边来更新边的属性，由两种⽅式，⼀种是使⽤update函数，⼀种是通过属性赋值来实现：
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
通过 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。
未名天1，adj
charmedajd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唯⼀确定的，边还有⼀定的属性，因此，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，可以通过属性g.edges或函数g.edges()来获得图的边视图。
EdgeDataView提供图的边和边的属性，可以通过EdgeView对象来调⽤data()函数获得。
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()
希特勒著名演讲NodeDataView({1: {'name': 'n1 new', 'weight': 1}, 2: {'name': 'n2', 'weight': 1.2}, 3: {}, 4: {}})
NodeView 通过属性g.nodes或函数g.nodes()来获得。
NodeDataView提供图的边和边的属性，可以通过NodeView对象来调⽤data()函数获得。
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，朝向顶点的边称作⼊度；背向顶点的边称作出度。
祝你生日快乐英文通过g.degree 或g.degree()能够获得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，对图中的所有顶点访问⼀次且只访问⼀次。图的遍历按照优先顺序的不同，通常分为深度优先搜索（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，以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相邻的所有顶点：
g[n]
g.adj[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作为起始顶点，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，直到所有的顶点都被访问过。
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；如果此路⾛不通，就返回上⼀个顶点，继续⾛其他路。
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，n的顶点。
在进⾏图遍历时，需要访问顶点的相邻顶点，这需要⽤到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连接的顶点，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()
完整的⽰例如下⾯的代码所⽰：
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)
