如何使用python中的networkx来生成一个图

python networkx来生成一个图

使用python提供的第三方的库networkx，networkx是专门用来生成图论和网络科学里面各种图及其各种计算函数的。

(a).如果已知一个图的图形，如何将其生成对应的邻接矩阵，这个在networkx里面提供了函数nx.to_numpy_matrix(G)来完成

(b).如果已知一个图的邻接矩阵，如何将其转化成对应的图形

代码如下：

# -*- coding: utf-8 -*-
"""
Created on Sun Jun 16 20:13:42 2019

@author: Administrator
"""

"""

这个函数的作用是将一个矩阵给转换成一个图，
矩阵以多维列表的形式存在，即列表的列表
此处的转换是针对无向图

根据邻接矩阵得到图之后，我们就可以调用networkx
里面的各种函数来分析图的性质，比如度分布，
平均路径程度，聚类系数等一系列图的拓扑性质

"""

import networkx as nx

def matrix_to_graph():

G = nx.Graph()

#matrix为邻接矩阵，以多维列表的形式存在
 matrix = [[0, 1, 1],[1,0,1],[1,1,0]]

nodes = range(len(matrix))
 G.add_nodes_from(nodes)

for i in range(len(matrix)):
   for j in range(len(matrix)):
     if(matrix[i][j] == 1):
G.add_edge(i, j)

position = nx.circular_layout(G)
 nx.draw_networkx_nodes(G,position, nodelist=nodes, node_color="r")
 nx.draw_networkx_edges(G,position)
 nx.draw_networkx_labels(G,position)
 print(nx.to_numpy_matrix(G))

matrix_to_graph()

运行结果如下：

networkx随机图生成

导入包

import networkx as nx   #导入networkx包
import random            #导入random包
import matplotlib.pyplot as plt #导入画图工具包

新建图

G = nx.Graph()            #建立无向图
H = nx.path_graph(100)    #添加节点
G.add_nodes_from(H)        #添加节点

随机概率添加边的函数

def rand_edge(vi,vj,p=0.2):        #默认概率p=0.1
    probability =random.random()#生成随机小数
    if(probability<p):            #如果小于p
        G.add_edge(vi,vj)          #连接vi和vj节点

添加边

i=0
while (i<100):
    j=0
    while(j<i):
            rand_edge(i,j)        #调用rand_edge()
            j +=1
    i +=1

matplotlib画图

连通子图

number_components = nx.number_connected_components(G) 
largest_components = max(nx.connected_components(G), key=len)
print("最大连通子图:" + str(largest_components))
print("最大连通子图长度："+ str(len(largest_components)))
print("连通子图个数: "+str(nx.number_connected_components(G)))

节点的度

nx.degree(G)
DVweight = G.degree()
degree_sum = sum(span for n, span in DVweight)         #各节点度数之和
degree_max = max(span for n, span in DVweight)        #节点最大度数

代码 

import networkx as nx     #导入networkx包
import random  #导入random包
import matplotlib.pyplot as plt

G = nx.Graph()
H = nx.path_graph(100)
G.add_nodes_from(H)

def rand_edge(vi,vj,p=0.2):
   probability =random.random()
   if(probability<p):
       G.add_edge(vi,vj)  
i=0
while (i<100):
   j=0
   while(j<i):
           rand_edge(i,j)
           j +=1
   i +=1

number_components = nx.number_connected_components(G)
largest_components = max(nx.connected_components(G), key=len)
nx.degree(G)
DVweight = G.degree()
degree_sum = sum(span for n, span in DVweight) #各节点度数之和
degree_max = max(span for n, span in DVweight)#节点最大度数

print("度数之和: " + str(degree_sum))
print("节点最大度数：" + str(degree_max))
print("最大连通子图:" + str(largest_components))
print("最大连通子图长度："+ str(len(largest_components)))
print("连通子图个数: "+str(nx.number_connected_components(G)))
nx.draw_networkx(G, with_labels=True)
plt.show()

来源：https://blog.csdn.net/qq_31960623/article/details/100547277