当前位置:脚本大全 > > 正文

python教程第126节(Python 学习教程之networkx)

时间:2021-10-22 07:36:08类别:脚本大全

python教程第126节

Python 学习教程之networkx

networkx是python的一个包,用于构建和操作复杂的图结构,提供分析图的算法。图是由顶点、边和可选的属性构成的数据结构,顶点表示数据,边是由两个顶点唯一确定的,表示两个顶点之间的关系。顶点和边也可以拥有更多的属性,以存储更多的信息。

对于networkx创建的无向图,允许一条边的两个顶点是相同的,即允许出现自循环,但是不允许两个顶点之间存在多条边,即出现平行边。边和顶点都可以有自定义的属性,属性称作边和顶点的数据,每一个属性都是一个key:value对。

一,创建图

在创建图之前,需要导入networkx模块,通常设置别名为nx;如果创建的图中,顶点之间的边没有方向,那么该图称作无向图。在创建图时,可以通过help(g)来获得图的帮助文档。

import networkx as nx

g=nx.graph()#创建空的无向图
g=nx.digraph()#创建空的有向图

二,图的顶点

图中的每一个顶点node都有一个关键的id属性,用于唯一标识一个节点,id属性可以整数或字符类型;顶点除了id属性之外,还可以自定义其他的属性。

1,向图中增加顶点

在向图中增加顶点时,可以一次增加一个顶点,也可以一次性增加多个顶点,顶点的id属性是必需的。在添加顶点之后,可以通过g.nodes()函数获得图的所有顶点的视图,返回的实际上nodeview对象;如果为g.nodes(data=true)的data参数设置为true,那么返回的是nodedataview对象,该对象不仅包含每个顶点的id属性,还包括顶点的其他属性。

  • ?
  • 1
  • 2
  • 3
  • 4
  • g.add_node(1)
  • g.add_nodes_from([2,3,4])
  • g.nodes()
  • #nodeview((1, 2,3,4))
  • 在向图中添加顶点时,除id属性之外,也可以向顶点中增加自定义的属性,例如,名称属性,权重属性:

  • ?
  • 1
  • 2
  • >>> g.add_node(1,name='n1',weight=1)
  • >>> g.add_node(2,name='n2',weight=1.2)
  • 2,查看顶点的属性

    通过属性_node获得图的所有顶点和属性的信息,_node属性返回的是一个字典结构,字典的key属性是顶点的id属性,value属性是顶点的其他属性构成的一个字典。

  • ?
  • 1
  • 2
  • 3
  • >>> g._node
  • {1: {'name': 'n1', 'weight': 1}, 2: {'name': 'n2', 'weight': 1.2}, 3: {}, 4: {}}
  • >>>g.nodes(data=true)
  • 可以通过顶点的id属性来查看顶点的其他属性:

  • ?
  • 1
  • 2
  • 3
  • 4
  • >>> g.node[1]
  • {'name': 'n1', 'weight': 1}
  • >>> g.node[1]['name']
  • 'n1 new'
  • 通过g.nodes(),按照特定的条件来查看顶点:

  • ?
  • 1
  • 2
  • >>> list(g.nodes(data=true))
  • [(1, {'time': '5pm'}), (3, {'time': '2pm'})]
  • 3,删除顶点

    通过remove函数删除图的顶点,由于顶点的id属性能够唯一标识一个顶点,通常删除顶点都需要通过传递id属性作为参数。

  • ?
  • 1
  • 2
  • g.remove_node(node_id)
  • g.remove_nodes_from(nodes_list)
  • 4,更新顶点

    更新图的顶点,有两种方式,第一种方式使用字典结构的_update函数,第二种方式是通过索引来设置新值:

  • ?
  • 1
  • 2
  • 3
  • >>> g._node[1].update({'name':'n1 new'})
  • >>> g.node[1]['name']='n1 new'
  • {1: {'name': 'n1 new', 'weight': 1}, 2: {'name': 'n2', 'weight': 1.2}, 3: {}, 4: {}}
  • 5,删除顶点的属性

    使用del命令删除顶点的属性

    del g.nodes[1]['room']

    6,检查是否存在顶点

    检查一个顶点是否存在于图中,可以使用 n in g方式来判断,也可以使用函数:

    g.has_node(n)

    三,图的边

    图的边用于表示两个顶点之间的关系,因此,边是由两个顶点唯一确定的。为了表示复杂的关系,通常会为边增加一个权重weight属性;为了表示关系的类型,也会设置为边设置一个关系属性。

    1,向图中增加边

    边是由对应顶点的名称构成的,例如,顶点2和3之间有一条边,记作e=(2,3),通过add_edge(node1,node2)向图中添加一条边,也可以通过add_edges_from(list)向图中添加多条边;在添加边时,如果顶点不存在,那么networkx会自动把相应的顶点加入到图中。

  • ?
  • 1
  • 2
  • 3
  • 4
  • g.add_edge(2,3)
  • g.add_edges_from([(1,2),(1,3)])
  • g.edges()
  • #edgeview([(1, 2), (1, 3), (2, 3)])
  • 可以向边中增加属性,例如,权重,关系等:

    g.add_edge(1, 2, weight=4.7, relationship='renew')

    由于在图中,边的权重weight是非常有用和常用的属性,因此,networkx模块内置以一个函数,专门用于在添加边时设置边的权重,该函数的参数是三元组,前两个字段是顶点的id属性,用于标识一个边,第三个字段是边的权重:

    g.add_weighted_edges_from([(1,2,0.125),(1,3,0.75),(2,4,1.2),(3,4,0.375)])

    在增加边时,也可以一次增加多条边,为不同的边设置不同的属性:

    g.add_edges_from([(1,2,{'color':'blue'}), (2,3,{'weight':8})])

    2,查看边的属性

    查看边的属性,就是查看边的数据(data),查看所有边及其属性:

  • ?
  • 1
  • 2
  • >>> g.edges(data=true)
  • edgedataview([(1, 2, {}), (1, 3, {}), (2, 3, {})])
  • 查看特定的边的信息有两种方式:

  • ?
  • 1
  • 2
  • 3
  • >>> g[1][2]
  • >>> g.get_edge_data(1,2)
  • {'weight': 0.125, 'relationship': 'renew', 'color': 'blue'}
  • 3,删除边

    边是两个顶点的id属性构成的元组,通过 edge=(node1,node2) 来标识边,进而从图中找到边:

  • ?
  • 1
  • 2
  • g.remove_edge(edge)
  • g.remove_edges_from(edges_list)
  • 4,更新边的属性

    通过边来更新边的属性,由两种方式,一种是使用update函数,一种是通过属性赋值来实现:

  • ?
  • 1
  • 2
  • 3
  • 4
  • g[1][2]['weight'] = 4.7
  • g.edge[1][2]['weight'] = 4
  • g[1][2].update({"weight": 4.7})
  • g.edges[1, 2].update({"weight": 4.7})
  • 5,删除边的属性

    通过 del命令来删除边的属性

    del g[1][2]['name']

    6,检查边是否存在

    检查一条边是否存在于图中

    g.has_edge(1,2)

    四,图的属性

    图的属性主要是指相邻数据,节点和边。

    1,adj

    ajd返回的是一个adjacencyview视图,该视图是顶点的相邻的顶点和顶点的属性,用于显示用于存储与顶点相邻的顶点的数据,这是一个只读的字典结构,key是顶点,value是顶点的属性数据。

  • ?
  • 1
  • 2
  • 3
  • 4
  • >>> g.adj[1][2]
  • {'weight': 0.125, 'relationship': 'renew', 'color': 'blue'}
  • >>> g.adj[1]
  • atlasview({2: {'weight': 0.125, 'relationship': 'renew', 'color': 'blue'}, 3: {'weight': 0.75}})
  • 2,edges

    图的边是由边的两个顶点唯一确定的,边还有一定的属性,因此,边是由两个顶点和边的属性构成的:

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • >>> g.edges
  • edgeview([(1, 2), (1, 3), (2, 3), (2, 4), (3, 4)])
  • >>> g.edges.data()
  • edgedataview([(1, 2, {'weight': 0.125, 'relationship': 'renew', 'color': 'blue'}),
  • (1, 3, {'weight': 0.75}),
  • (2, 3, {'weight': 8}),
  • (2, 4, {'weight': 1.2}),
  • (3, 4, {'weight': 0.375})])
  • edgeview仅仅提供边的信息,可以通过属性g.edges或函数g.edges()来获得图的边视图。

    edgedataview提供图的边和边的属性,可以通过edgeview对象来调用data()函数获得。

    3,nodes

    图的顶点是顶点和顶点的属性构成的

  • ?
  • 1
  • 2
  • 3
  • 4
  • >>> g.nodes
  • nodeview((1, 2, 3, 4))
  • >>> g.nodes.data()
  • nodedataview({1: {'name': 'n1 new', 'weight': 1}, 2: {'name': 'n2', 'weight': 1.2}, 3: {}, 4: {}})
  • nodeview 通过属性g.nodes或函数g.nodes()来获得。

    nodedataview提供图的边和边的属性,可以通过nodeview对象来调用data()函数获得。

    4,degree

    对于无向图,顶点的度是指跟顶点相连的边的数量;对于有向图,顶点的图分为入度和出度,朝向顶点的边称作入度;背向顶点的边称作出度。

    通过g.degree 或g.degree()能够获得degreeview对象,

    五,图的遍历

    图的遍历是指按照图中各顶点之间的边,从图中的任一顶点出发,对图中的所有顶点访问一次且只访问一次。图的遍历按照优先顺序的不同,通常分为深度优先搜索(dfs)和广度优先搜索(bfs)两种方式。

    1,查看顶点的相邻顶点

    查看顶点的相邻顶点,有多种方式,例如,以下代码都用于返回顶点1的相邻顶点,g[n]表示图g中,与顶点n相邻的所有顶点:

  • ?
  • 1
  • 2
  • 3
  • g[n]
  • g.adj[n]
  • g.neighbors(n)
  • 其中,g.neighbors(n)是g.adj[n]的迭代器版本。

    2,查看图的相邻

    该函数返回顶点n和相邻的节点信息:

  • ?
  • 1
  • 2
  • 3
  • >>> for n, nbrs in g.adjacency():
  • ...   print(n)
  • ...   print(nbrs)
  • 3,图的遍历

    深度优先遍历的算法:

    首先以一个未被访问过的顶点作为起始顶点,沿当前顶点的边走到未访问过的相邻顶点;
    当当前顶点没有未访问过的相邻顶点时,则回到上一个顶点,继续试探别的相邻顶点,直到所有的顶点都被访问过。
    深度优先遍历算法的思想是:从一个顶点出发,一条路走到底;如果此路走不通,就返回上一个顶点,继续走其他路。

    广度优先遍历的算法:

    从顶点v出发,依次访问v的各个未访问过的相邻顶点;

    分别从这些相邻顶点出发依次访问它们的相邻顶点;

    广度优先遍历算法的思想是:以v为起点,按照路径的长度,由近至远,依次访问和v有路径相通且路径长度为1,2...,n的顶点。

    在进行图遍历时,需要访问顶点的相邻顶点,这需要用到adjacency()函数,例如,g是一个无向图,n是顶点,nbrs是顶点n的相邻顶点,是一个字典结构

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • for n,nbrs in g.adjacency():
  •   print (n, nbrs)
  •   for nbr,attr in nbrs.items():
  •     # nbr表示跟n连接的顶点,attr表示这两个点连边的属性集合
  •     print(nbr,attr)
  • 六,绘制graph

    使用networkx模块draw()函数构造graph,使用matplotlib把图显示出来:

  • ?
  • 1
  • 2
  • 3
  • nx.draw(g)
  • import matplotlib.pyplot as plt
  • plt.show()
  • 修改顶点和边的颜色:

  • ?
  • 1
  • 2
  • 3
  • g = nx.cubical_graph()
  • nx.draw(g, pos=nx.spectral_layout(g), nodecolor='r', edge_color='b')
  • plt.show()
  • 完整的示例如下面的代码所示:

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • from matplotlib import pyplot as plt
  • import networkx as nx
  • g=nx.graph()
  • g.add_nodes_from([1,2,3])
  • g.add_edges_from([(1,2),(1,3)])
  • nx.draw_networkx(g)
  • plt.show()
  • 七,计算每个顶点的pagerank值

    在计算每个顶点的pagerank(简称pr)值时,可以使用networkx模块中的pagerank()函数,该函数根据顶点的边和边的权重来计算顶点的pr值:

  • ?
  • 1
  • pagerank(g, alpha=0.85, personalization=none, max_iter=100, tol=1e-06, nstart=none, weight='weight', dangling=none)
  • 常用的参数注释:

    g:无向图会被转换为有向图,一条无向边转换为两条又向边

    alpha:阻尼参数,默认值是0.85

    weight:默认值是weight,表示使用edge的weight属性作为权重,如果没有指定,那么把edge的权重设置为1;

    1,举个例子

    例如,创建一个有向图,由三个顶点(a、b和c),两条边(a指向b,a指向c),边的权重都是0.5

  • ?
  • 1
  • 2
  • 3
  • 4
  • g=nx.digraph()
  • g.add_weighted_edges_from([('a','b',0.5),('a','c',0.5)])
  • print( nx.pagerank(g))
  • #{'a': 0.259740259292235, 'c': 0.3701298703538825, 'b': 0.3701298703538825}
  • 修改边的权重,并查看顶点的pr值:

  • ?
  • 1
  • 2
  • 3
  • g['a']['c']['weight']=1
  • print( nx.pagerank(g)) 
  • # {'a': 0.259740259292235, 'c': 0.40692640737443164, 'b': 0.3333333333333333}
  • 2,查看各个顶点的pr值

    根据图来创建pagerank,并查看各个顶点的pagerank值

  • ?
  • 1
  • 2
  • 3
  • 4
  • pr=nx.pagerank(g)
  • #page_rank_value=pr[node]
  • for node, pagerankvalue in pr.items():
  •   print("%s,%.4f" %(node,pagerankvalue))
  • 原文链接:http://www.cnblogs.com/ljhdo/p/10662902.html

    标签:
    上一篇下一篇

    猜您喜欢

    热门推荐