第三十章:Python-NetworkX库：创建、利用与研究复杂网络

一、NetworkX库简介

NetworkX是一个强盛的Python库，用于创建、利用和研究复杂网络（图）的结构、动态和功能。它支持多种范例的图，包罗无向图、有向图、加权图和多重图，并提供了丰富的图论算法和可视化工具。资源绑定附上完整资料供读者参考学习！
二、常见利用示例

1. 创建图

Python示例代码

1. import networkx as nx
3. # 创建一个空的无向图
4. G = nx.Graph()
6. # 添加节点
7. G.add_node(1)
8. G.add_nodes_from([2, 3])
10. # 添加边
11. G.add_edge(1, 2)
12. G.add_edges_from([(2, 3), (3, 1)])
14. # 查看节点和边
15. print("节点:", G.nodes())
16. print("边:", G.edges())

复制代码

结果展示

2. 创建有向图

Python示例代码

1. import networkx as nx
2. # 创建一个有向图
3. DG = nx.DiGraph()
5. # 添加节点和边
6. DG.add_edges_from([(1, 2), (2, 3), (3, 1)])
8. # 打印有向图的节点和边
9. print("节点:", DG.nodes())
10. print("有向边:", DG.edges())

复制代码

结果展示

3. 创建加权图

Python示例代码

1. import networkx as nx
2. # 创建一个加权无向图
3. WG = nx.Graph()
5. # 添加带权重的边
6. WG.add_edge(1, 2, weight=4.2)
7. WG.add_edge(2, 3, weight=3.1)
9. # 获取边的权重
10. print(WG[1][2]['weight'])

复制代码

结果展示

4. 图的可视化

Python示例代码

1. import matplotlib.pyplot as plt
2. import networkx as nx
4. # 创建一个空的无向图
5. G = nx.Graph()
7. # 添加节点
8. G.add_node(1)
9. G.add_nodes_from([2, 3])
11. # 添加边
12. G.add_edge(1, 2)
13. G.add_edges_from([(2, 3), (3, 1)])
14. # 绘制图
15. nx.draw(G, with_labels=True, node_color='red', node_size=1500, edge_color='blue')
16. plt.show()

复制代码

结果展示

三、高级利用示例

1. 盘算最短路径

Python示例代码

1. import matplotlib.pyplot as plt
2. import networkx as nx
4. # 创建一个空的无向图
5. G = nx.Graph()
7. # 添加节点
8. G.add_node(1)
9. G.add_nodes_from([2, 3,4,5])
11. # 添加边
12. G.add_edge(1, 2)
13. G.add_edges_from([(2, 3), (3, 1),(3,4),(5,4)])
14. # 绘制图
15. nx.draw(G, with_labels=True, node_color='red', node_size=1500, edge_color='blue')
16. plt.show()
17. # 计算最短路径
18. path = nx.shortest_path(G, source=1, target=3)
19. print("最短路径:", path)

复制代码

结果展示

2. 盘算节点中央性

Python示例代码

1. import matplotlib.pyplot as plt
2. import networkx as nx
4. # 创建一个空的无向图
5. G = nx.Graph()
7. # 添加节点
8. G.add_node(1)
9. G.add_nodes_from([2, 3,4,5])
12. # 添加边
13. G.add_edge(1, 2)
14. G.add_edges_from([(2, 3), (3, 1),(3,4),(2,4),(5,3)])
15. # 绘制图
16. nx.draw(G, with_labels=True, node_color='red', node_size=1500, edge_color='yellow')
17. plt.show()
18. # 计算节点的度中心性
19. degree_centrality = nx.degree_centrality(G)
20. print("度中心性:", degree_centrality)
22. # 计算节点的介数中心性
23. betweenness_centrality = nx.betweenness_centrality(G)
24. print("介数中心性:", betweenness_centrality)

复制代码

结果展示

3. 社区检测

Python示例代码

1. from networkx.algorithms.community import greedy_modularity_communities
3. import matplotlib.pyplot as plt
4. import networkx as nx
6. # 创建一个空的无向图
7. G = nx.Graph()
9. # 添加节点
10. G.add_node(1)
11. G.add_nodes_from([2,3,4,5])
14. # 添加边
15. G.add_edge(1, 4)
16. G.add_edges_from([(4,3), (3, 2),(2,5),(5,1),(4,5)])
17. # 绘制图
18. nx.draw(G, with_labels=True, node_color='blue', node_size=1500, edge_color='green')
19. plt.show()
20. # 检测社区
21. communities = greedy_modularity_communities(G)
22. print("社区划分:", communities)

复制代码

结果展示

四、函数参数总结

函数名参数说明add_node添加一个节点，参数为节点ID和属性（可选）add_nodes_from批量添加节点，参数为节点列表add_edge添加一条边，参数为两个节点ID和边属性（可选）add_edges_from批量添加边，参数为边列表degree获取节点的度数shortest_path盘算两个节点之间的最短路径degree_centrality盘算节点的度中央性betweenness_centrality盘算节点的介数中央性greedy_modularity_communities检测社区结构 五、总结

   NetworkX是一个功能强盛的图处理库，可以或许轻松创建、利用和分析图结构。无论是简单的图创建还是复杂的图分析，NetworkX都能为开辟者提供高效的工具。通过NetworkX，你可以从交际网络、通讯网络、物流网络等多种范畴中，快速构建和处理图结构，分析图中的各种关系与特性。资源绑定附上完整资料供读者参考学习！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。