networkX用法整

无向图，有向图，加权图等例子代码 【http://www.cnblogs.com/kaituorensheng/p/5423131.html#_label1】
数据分析学习笔记(三)-NetworkX的使用 【http://baiyejianxin.iteye.com/blog/1764048】
官网文档 【https://networkx.readthedocs.io/en/stable/overview.html】 【http://networkx.github.io/documentation/networkx-1.7/index.html】
NetworkX使用笔记：读入外部文件并转换成各种格式 【http://sparkandshine.net/networkx-use-notes-read-external-file-convert-to-other-formats/】
————————————————————————————————-

1.安装

安装networkx之前要安装画图工具matplotlib，以及矩阵运算工具numpy,于是我们执行：
pip install numpy
pip install matplotlib
pip install networkx

2.使用

networkx的英文版说明可以在其官方网站上下载得到，写的简单易懂。
http://networkx.github.io/documentation/latest/reference/index.html
这里记录下一些简单的建图方法。
在networkx中，图以对象的形式提供借口。
在图对象中，还有点，边等也是以对象形式提供，画图则调用matplotlib的函数完成。

建图

networkx可以建立简单无向图graph，有向图digraph，可重复边的multi-graph。

import networkx as nx
G=nx.Graph()
D=nx.DiGraph()
M=nx.MultiGraph()

点

这里的点可以是任意可区分的对象（hashable），比如数字，字符串，对象等。

G.add_node(1)
G.add_node('first_node’) #这里用一个对象多为key来唯一区别一个点 #我们还能够用一个列表来批量加入点
G.add_nodes_from([1,2,3]) #还可以用一个图对象作为点，嵌入到其他图中
G.add_node(D) #这里D作为一个点的key #或者把一个图的所有点赋予另一个图
G.add_nodes_from(D) #这里返回D的所有点，赋予G #与加入相同的传递方法，我们也可以删除点
G.remove_node(1)
G.remove_nodes_from([1,2,3])

边

这里的边可以使用两个单独的对象作为输入

G.add_edge(1,2) #表示1，2之间有一条边。 #如果不存在点1，2，则会自动加入点集合。 #或者以元组的形式作为输入
e=(1,2)
G.add_edge(e) #这里的代表吧元组解包（unpack），当作一个个的值扔到函数中去。 #如果不解包，等价于 #G.add_edge(e)=G.add_edge((1,2))与参数传递的方式不符。 #类似的，我们还可以使用包含元组的列表来传递参数
G.add_edges_from([(1,2),(2,3)]) #我们还可以报一个图的边赋予另一个图
G.add_edges_from(H) #删除
G.remove_edge(1,2)
G.remove_edges_from([(1,2),(2,3)])

访问

node_list = G.nodes()
edge_list = G.edges() #可以返回包含点与边的列表
node = G.node[‘first_node’] #如上根据key返回点
edge = G.edge['first_node’]['second_node’] #同样的方法，返回两个key之间的边

属性

我们可以给图，点，边赋予各种属性，最简单的就是权值属性

G.add_node(1,time='5pm’) #在添加时跟上属性
G.add_nodes_from([1,2,3],time='5pm’) #批量添加点是，跟上统一的属性
G.add_nodes_from([(3,{'time’:'5pm’}), (4,{'time’:'4pm’})]) #或者写成元组列表[（key,dict），（key,dict）]的形式
G.node1['time’] #根据字典key访问属性值。

给边添加属性也类似

G.add_edge(1,2,time='3am’)
G.add_edges_from([(1,2,{'time’='5pm’}),(2,3,{'time’=3am})]) #批量赋予属性
G.edge1[2][‘time’] #访问

我们还可以使用特定的函数批量返回属性，如

time = nx.get_edge_attributes(G,'time’) #返回得到以元组为key,time属性为值得一个字典
time[(1,2)]

图算法

nx.connected_components(G) #返回列表形式的G的全连通分量，每个分量一个子列表

类似的，networkx还提供各种图算法，具体可见官方文档。
画图

nx.draw(G) #画出图G
matplotlib.show() #显示出来
————————————————————————————————-

import networkx as nx
import matplotlib.pyplot as plt

计算1：求无向图的任意两点间的最短路径

G = nx.Graph()
G.add_edges_from([(1,2),(1,3),(1,4),(1,5),(4,5),(4,6),(5,6)])
path = nx.all_pairs_shortest_path(G)
print（path1）

计算2：求出图中在环上的点

G = nx.Graph()
G.add_edges_from([(1,2),(1,3),(1,4),(1,5),(4,5),(4,6),(5,6)])
path = nx.all_pairs_shortest_path(G)
print（path1）

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（path0[2]） #输出节点0、2之间的最短路径序列： [0, 1, 2]