本文主要向大家介绍了【云计算】networkx学习笔记，通过具体的内容向大家展现，希望对大家学习云计算有所帮助。

笔记

 

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https://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0、2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)

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()

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标大数据云计算大数据安全频道！