正文
[Python] networkx入门 转
提示：扫一扫查出行【扫一扫了解最新限行尾号】
复制提示
networkx是python的一个第三方包，可以方便地调用各种图算法的计算。
通过调用python画图包matplotlib能实现图的可视化。
1.安装
正好整理一下python第三方包的安装方法。
setuptools
使用setuptools包，我们能够手动下载，安装第三方包。
使用方式：
下载第三方包源文件，在setup.py目录下执行
``` python XX install ```
easy_install
easy_install工具，自动化地根据第三方包的名称，一键联网搜索，下载并且调用setuptools安装。
使用方式：
上网下载ez_setup.py文件，执行
python ez_setup.py安装setuptools工具。
执行
``` easy_install SQLObject ```
安装第三方包
pip
与easy_install类似，根据名称一键下载，调用setuptools安装。pip是可以看作是easy_install的升级版。
使用方式：
通过 http://www.jsxubar.info/install-pip.html
先下载get-pip.py文件
运行python get-pip.py，自动安装，包括setuptools在内的包
使用：
```
pip install simplejson --安装包
pip install --upgrade simplejson --升级包
pip uninstall simplejson --卸载包
```
使用setuptools自助下载安装，经常会遇到包确实，没有制定编译器等等各种问题而导致安装失败。所以使用easy_install或者pip是比较方便的选择。
安装networkx
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
安装完成。
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接口。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)])</pre></div>
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</pre></div>
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.node[1]['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.edge[1][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)]</pre></div>
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
我们使用连通分量算法，并画出一个简单的图如下：
networkx的默认属性效果并不好，我们根据文档提供的借口设置合适的属性，才能得到合适的图。
networkx提供图的点位置，大小，颜色，形状，边的颜色，类型等属性可设置。
