小书匠 Graph 图论 

学过线性代数的都了解矩阵,在矩阵上的文章可做的很多,什么特征矩阵,单位矩阵等.grpah存储可以使用矩阵,比如graph的邻接矩阵,权重矩阵等,这节主要是在等到graph后,如何快速得到这些信息.详细官方文档在这里

目录:

注意:如果代码出现找不库,请返回第一个教程,把库文件导入.

10线性代数相关

10.1图矩阵

  1. #定义图的节点和边 
  2. nodes=['0','1','2','3','4','5','a','b','c'] 
  3. edges=[('0','0',1),('0','1',1),('0','5',1),('0','5',2),('1','2',3),('1','4',5),('2','1',7),('2','4',6),('a','b',0.5),('b','c',0.5),('c','a',0.5)] 
  5. plt.subplots(1,2,figsize=(10,3)) 
  7. #定义一个无向图和有向图 
  8. G1 = nx.Graph() 
  9. G1.add_nodes_from(nodes) 
  10. G1.add_weighted_edges_from(edges) 
  12. G2 = nx.DiGraph() 
  13. G2.add_nodes_from(nodes) 
  14. G2.add_weighted_edges_from(edges) 
  16. pos1=nx.circular_layout(G1) 
  17. pos2=nx.circular_layout(G2) 
  19. #画出无向图和有向图 
  20. plt.subplot(121) 
  21. nx.draw(G1,pos1, with_labels=True, font_weight='bold') 
  22. plt.title('无向图',fontproperties=myfont) 
  23. plt.axis('on') 
  24. plt.xticks([]) 
  25. plt.yticks([]) 
  27. plt.subplot(122) 
  28. nx.draw(G2,pos2, with_labels=True, font_weight='bold') 
  29. plt.title('有向图',fontproperties=myfont) 
  30. plt.axis('on') 
  31. plt.xticks([]) 
  32. plt.yticks([]) 
  34. plt.show() 
  36. #控制numpy输出小数位数 
  37. import numpy as np 
  38. np.set_printoptions(precision=3)  
  40. #邻接矩阵 
  41. A = nx.adjacency_matrix(G1) 
  42. print('邻接矩阵:\n',A.todense()) 
  44. #关联矩阵 
  45. I = nx.incidence_matrix(G1) 
  46. print('\n关联矩阵:\n',I.todense()) 
  48. #拉普拉斯矩阵 
  49. L=nx.laplacian_matrix(G1) 
  50. print('\n拉普拉斯矩阵:\n',L.todense()) 
  52. #标准化的拉普拉斯矩阵 
  53. NL=nx.normalized_laplacian_matrix(G1) 
  54. print('\n标准化的拉普拉斯矩阵:\n',NL.todense()) 
  56. #有向图拉普拉斯矩阵 
  57. DL=nx.directed_laplacian_matrix(G2) 
  58. print('\n有向拉普拉斯矩阵:\n',DL) 
  60. #拉普拉斯算子的特征值 
  61. LS=nx.laplacian_spectrum(G1) 
  62. print('\n拉普拉斯算子的特征值:\n',LS) 
  64. #邻接矩阵的特征值 
  65. AS=nx.adjacency_spectrum(G1) 
  66. print('\n邻接矩阵的特征值:\n',AS) 
  68. #无向图的代数连通性 
  69. AC=nx.algebraic_connectivity(G1) 
  70. print('\n无向图的代数连通性:\n',AC) 
  72. #图的光谱排序 
  73. SO=nx.spectral_ordering(G1) 
  74. print('\n图的光谱排序:\n',SO) 
  76. #两个矩阵的解释看:https://blog.csdn.net/Hanging_Gardens/article/details/55670356 

图矩阵示例

输出:

  1. 邻接矩阵: 
  2. [[0. 0. 0. 0. 5. 0. 0. 0. 6. ] 
  3. [0. 0. 0. 2. 0. 0. 0. 0. 0. ] 
  4. [0. 0. 0. 0. 0. 0.5 0.5 0. 0. ] 
  5. [0. 2. 0. 1. 1. 0. 0. 0. 0. ] 
  6. [5. 0. 0. 1. 0. 0. 0. 0. 7. ] 
  7. [0. 0. 0.5 0. 0. 0. 0.5 0. 0. ] 
  8. [0. 0. 0.5 0. 0. 0.5 0. 0. 0. ] 
  9. [0. 0. 0. 0. 0. 0. 0. 0. 0. ] 
  10. [6. 0. 0. 0. 7. 0. 0. 0. 0. ]] 
  12. 关联矩阵: 
  13. [[1. 1. 0. 0. 0. 0. 0. 0. 0.] 
  14. [0. 0. 1. 0. 0. 0. 0. 0. 0.] 
  15. [0. 0. 0. 1. 1. 0. 0. 0. 0.] 
  16. [0. 0. 1. 0. 0. 1. 0. 0. 0.] 
  17. [0. 1. 0. 0. 0. 1. 0. 1. 0.] 
  18. [0. 0. 0. 1. 0. 0. 0. 0. 1.] 
  19. [0. 0. 0. 0. 1. 0. 0. 0. 1.] 
  20. [0. 0. 0. 0. 0. 0. 0. 0. 0.] 
  21. [1. 0. 0. 0. 0. 0. 0. 1. 0.]] 
  23. 拉普拉斯矩阵: 
  24. [[11. 0. 0. 0. -5. 0. 0. 0. -6. ] 
  25. [ 0. 2. 0. -2. 0. 0. 0. 0. 0. ] 
  26. [ 0. 0. 1. 0. 0. -0.5 -0.5 0. 0. ] 
  27. [ 0. -2. 0. 3. -1. 0. 0. 0. 0. ] 
  28. [-5. 0. 0. -1. 13. 0. 0. 0. -7. ] 
  29. [ 0. 0. -0.5 0. 0. 1. -0.5 0. 0. ] 
  30. [ 0. 0. -0.5 0. 0. -0.5 1. 0. 0. ] 
  31. [ 0. 0. 0. 0. 0. 0. 0. 0. 0. ] 
  32. [-6. 0. 0. 0. -7. 0. 0. 0. 13. ]] 
  34. 标准化的拉普拉斯矩阵: 
  35. [[ 1. 0. 0. 0. -0.418 0. 0. 0. -0.502] 
  36. [ 0. 1. 0. -0.707 0. 0. 0. 0. 0. ] 
  37. [ 0. 0. 1. 0. 0. -0.5 -0.5 0. 0. ] 
  38. [ 0. -0.707 0. 0.75 -0.139 0. 0. 0. 0. ] 
  39. [-0.418 0. 0. -0.139 1. 0. 0. 0. -0.538] 
  40. [ 0. 0. -0.5 0. 0. 1. -0.5 0. 0. ] 
  41. [ 0. 0. -0.5 0. 0. -0.5 1. 0. 0. ] 
  42. [ 0. 0. 0. 0. 0. 0. 0. 0. 0. ] 
  43. [-0.502 0. 0. 0. -0.538 0. 0. 0. 1. ]] 
  45. 有向拉普拉斯矩阵: 
  46. [[ 0.889 -0.117 -0.029 -0.087 -0.319 -0.029 -0.029 -0.129 -0.242] 
  47. [-0.117 0.889 -0.026 -0.278 -0.051 -0.026 -0.026 -0.114 -0.056] 
  48. [-0.029 -0.026 0.994 -0.012 -0.009 -0.481 -0.481 -0.025 -0.01 ] 
  49. [-0.087 -0.278 -0.012 0.757 -0.097 -0.012 -0.012 -0.052 -0.006] 
  50. [-0.319 -0.051 -0.009 -0.097 0.994 -0.009 -0.009 -0.041 -0.434] 
  51. [-0.029 -0.026 -0.481 -0.012 -0.009 0.994 -0.481 -0.025 -0.01 ] 
  52. [-0.029 -0.026 -0.481 -0.012 -0.009 -0.481 0.994 -0.025 -0.01 ] 
  53. [-0.129 -0.114 -0.025 -0.052 -0.041 -0.025 -0.025 0.889 -0.045] 
  54. [-0.242 -0.056 -0.01 -0.006 -0.434 -0.01 -0.01 -0.045 0.994]] 
  56. 拉普拉斯算子的特征值: 
  57. [-1.436e-15 0.000e+00 4.610e-16 7.000e-01 1.500e+00 1.500e+00 
  58. 4.576e+00 1.660e+01 2.013e+01] 
  60. 邻接矩阵的特征值: 
  61. [12.068+0.000e+00j 2.588+0.000e+00j -7.219+0.000e+00j -4.925+0.000e+00j 
  62. -1.513+0.000e+00j 1. +0.000e+00j -0.5 +2.393e-17j -0.5 -2.393e-17j 
  63. 0. +0.000e+00j] 
  65. 无向图的代数连通性: 
  66. 0.0 
  68. 图的光谱排序: 
  69. ['4', '2', '1', '0', '5', 'b', 'c', 'a', '3'] 

后面还有两个小节,由于对图论算法不是很明白,所以先讲明白算法原理,再使用networkX实现,如无须读算法,可以跳过算法原理部分.

NetworkX系列教程(9)-线性代数相关的更多相关文章

  1. NetworkX系列教程(1)-创建graph

    小书匠Graph图论 研究中经常涉及到图论的相关知识,而且常常面对某些术语时,根本不知道在说什么.前不久接触了NetworkX这个graph处理工具,发现这个工具已经解决绝大部分的图论问题(也许只是我 ...

  2. NetworkX系列教程(11)-graph和其他数据格式转换

    小书匠 Graph 图论  学过线性代数的都了解矩阵,在矩阵上的文章可做的很多,什么特征矩阵,单位矩阵等.grpah存储可以使用矩阵,比如graph的邻接矩阵,权重矩阵等,这节主要是在等到graph后 ...

  3. NetworkX系列教程(10)-算法之五:广度优先与深度优先

    小书匠Graph图论 重头戏部分来了,写到这里我感觉得仔细认真点了,可能在NetworkX中,实现某些算法就一句话的事,但是这个算法是做什么的,用在什么地方,原理是怎么样的,不清除,所以,我决定先把图 ...

  4. NetworkX系列教程(10)-算法之四:拓扑排序与最大流问题

    小书匠Graph图论 重头戏部分来了,写到这里我感觉得仔细认真点了,可能在NetworkX中,实现某些算法就一句话的事,但是这个算法是做什么的,用在什么地方,原理是怎么样的,不清除,所以,我决定先把图 ...

  5. NetworkX系列教程(10)-算法之三:关键路径问题

    小书匠Graph图论 重头戏部分来了,写到这里我感觉得仔细认真点了,可能在NetworkX中,实现某些算法就一句话的事,但是这个算法是做什么的,用在什么地方,原理是怎么样的,不清除,所以,我决定先把图 ...

  6. NetworkX系列教程(10)-算法之二:最小/大生成树问题

    小书匠 Graph 图论  重头戏部分来了,写到这里我感觉得仔细认真点了,可能在NetworkX中,实现某些算法就一句话的事,但是这个算法是做什么的,用在什么地方,原理是怎么样的,不清除,所以,我决定 ...

  7. NetworkX系列教程(10)-算法之一:最短路径问题

    小书匠Graph图论 重头戏部分来了,写到这里我感觉得仔细认真点了,可能在NetworkX中,实现某些算法就一句话的事,但是这个算法是做什么的,用在什么地方,原理是怎么样的,不清除,所以,我决定先把图 ...

  8. NetworkX系列教程(8)-Drawing Graph

    小书匠Graph图论 如果只是简单使用nx.draw,是无法定制出自己需要的graph,并且这样的graph内的点坐标的不定的,运行一次变一次,实际中一般是要求固定的位置,这就需要到布局的概念了.详细 ...

  9. NetworkX系列教程(2)-graph生成器

    小书匠Graph图论 本节主要讲解如何快速使用内置的方法生成graph,官方的文档在这里,里面包含了networkX的所有graph生成器,下面的内容只是我节选的内容,并将graph画出来而已. 声明 ...

随机推荐

  1. PowerBuilder学习笔记之2PowerScript语言（三）

    教材地址:https://wenku.baidu.com/view/1e82d26925c52cc58ad6be05.html?sxts=1565679996440 2.6嵌入式SQL语句 2.6.1 ...

  2. mouseover mouseleave

    mouseover在当鼠标移入元素或其子元素的时候都会触发,是一个重复触发,冒泡的过程.见下面例子,一个父元素包含一个子元素,在其父元素内滑动鼠标,超出子元素的范围时,也会触发事件. 而mouseen ...

  3. Linux下磁盘分区，格式化以及挂载

    测试环境:VMware Workstation / centos7 1.磁盘分区 (1)易于管理和使用: 比如说我们把磁盘分了sda1.sda2.sda3.sda4盘,我们假设sda1盘为系统盘,其他 ...

  4. vue.js+DRF跨域访问图片

    一.背景 在前后端分离过程时,后端服务器只开放本地接口,而前端则开放IP接口,在DRF响应请求时,会把域名(locahost+port)响应给前端服务器,前端服务器把再把数据响应给浏览器,浏览器在解析 ...

  5. nginx关闭日志功能access_log关闭

    网上一堆错误示例,我就不吐槽了,未经验证的各种关闭配置.emmm.... 错误示例: error_log off ; access_log on; 以上这些会产生名字为 off/on 的日志文件... ...

  6. Django中ORM多对多表的操作

    自己创建第三张表建立多对多关系 表的创建 # 老师表和学生表可以是一个多对多的关系,建表时可以手动建立第三张表建立关联 class Student(models.Model): name = mode ...

  7. JqueryAjax 常用复制

    $.ajax({ type : "POST", url : "", data : {}, success : function(data) { } }); $. ...

  8. USB原理简单叙述

    USB简介: USB的几种版本: 1. USB 1.0:速度 1.5Mb/s 2. USB 1.1:速度 12Mb/s 3. USB 2.0:速度 60MbB/s 4. USB 3.0:速度 640M ...

  9. zabbix server for Centos 6.3

    1.安装LNMP 参照http://lnmp.org/install.html 2.安装zabbix service 2.1下载zabbix,并解压 wget http://nchc.dl.sourc ...

  10. 缓存数据库memcache、redis原理对比

    一.问题:     数据库表数据量极大(千万条),要求让服务器更加快速地响应用户的需求. 二.解决方案:      1.通过高速服务器Cache缓存数据库数据      2.内存数据库     (这里 ...