摘要: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。
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。
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]
import networkx as nx edgelist = [(0, 1), (1, 2), (2, 3)] H = nx.Graph(edgelist) nx.draw_networkx(H)
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))
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)
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()
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()
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)
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!
您输入的评论内容中包含违禁敏感词
我知道了
请输入正确的手机号码
请输入正确的验证码
您今天的短信下发次数太多了,明天再试试吧!
我们会在第一时间安排职业规划师联系您!
您也可以联系我们的职业规划师咨询:
版权所有 职坐标-一站式IT培训就业服务领导者 沪ICP备13042190号-4
上海海同信息科技有限公司 Copyright ©2015 www.zhizuobiao.com,All Rights Reserved.
沪公网安备 31011502005948号