第三十章:Python-NetworkX库：创建、操作与研究复杂网络

一、NetworkX库简介

NetworkX是一个强大的Python库，用于创建、操作和研究复杂网络（图）的结构、动态和功能。它支持多种类型的图，包括无向图、有向图、加权图和多重图，并提供了丰富的图论算法和可视化工具。资源绑定附上完整资料供读者参考学习！

二、常见操作示例

1. 创建图

Python示例代码

import networkx as nx

# 创建一个空的无向图
G = nx.Graph()

# 添加节点
G.add_node(1)
G.add_nodes_from([2, 3])

# 添加边
G.add_edge(1, 2)
G.add_edges_from([(2, 3), (3, 1)])

# 查看节点和边
print("节点:", G.nodes())
print("边:", G.edges())

效果展示

2. 创建有向图

Python示例代码

import networkx as nx
# 创建一个有向图
DG = nx.DiGraph()

# 添加节点和边
DG.add_edges_from([(1, 2), (2, 3), (3, 1)])

# 打印有向图的节点和边
print("节点:", DG.nodes())
print("有向边:", DG.edges())

效果展示

3. 创建加权图

Python示例代码

import networkx as nx
# 创建一个加权无向图
WG = nx.Graph()

# 添加带权重的边
WG.add_edge(1, 2, weight=4.2)
WG.add_edge(2, 3, weight=3.1)

# 获取边的权重
print(WG[1][2]['weight'])

效果展示

4. 图的可视化

Python示例代码

import matplotlib.pyplot as plt
import networkx as nx

# 创建一个空的无向图
G = nx.Graph()

# 添加节点
G.add_node(1)
G.add_nodes_from([2, 3])

# 添加边
G.add_edge(1, 2)
G.add_edges_from([(2, 3), (3, 1)])
# 绘制图
nx.draw(G, with_labels=True, node_color='red', node_size=1500, edge_color='blue')
plt.show()

效果展示

三、高级操作示例

1. 计算最短路径

Python示例代码

import matplotlib.pyplot as plt
import networkx as nx

# 创建一个空的无向图
G = nx.Graph()

# 添加节点
G.add_node(1)
G.add_nodes_from([2, 3,4,5])

# 添加边
G.add_edge(1, 2)
G.add_edges_from([(2, 3), (3, 1),(3,4),(5,4)])
# 绘制图
nx.draw(G, with_labels=True, node_color='red', node_size=1500, edge_color='blue')
plt.show()
# 计算最短路径
path = nx.shortest_path(G, source=1, target=3)
print("最短路径:", path)

效果展示

2. 计算节点中心性

Python示例代码

import matplotlib.pyplot as plt
import networkx as nx

# 创建一个空的无向图
G = nx.Graph()

# 添加节点
G.add_node(1)
G.add_nodes_from([2, 3,4,5])


# 添加边
G.add_edge(1, 2)
G.add_edges_from([(2, 3), (3, 1),(3,4),(2,4),(5,3)])
# 绘制图
nx.draw(G, with_labels=True, node_color='red', node_size=1500, edge_color='yellow')
plt.show()
# 计算节点的度中心性
degree_centrality = nx.degree_centrality(G)
print("度中心性:", degree_centrality)

# 计算节点的介数中心性
betweenness_centrality = nx.betweenness_centrality(G)
print("介数中心性:", betweenness_centrality)

效果展示

3. 社区检测

Python示例代码

from networkx.algorithms.community import greedy_modularity_communities

import matplotlib.pyplot as plt
import networkx as nx

# 创建一个空的无向图
G = nx.Graph()

# 添加节点
G.add_node(1)
G.add_nodes_from([2,3,4,5])


# 添加边
G.add_edge(1, 4)
G.add_edges_from([(4,3), (3, 2),(2,5),(5,1),(4,5)])
# 绘制图
nx.draw(G, with_labels=True, node_color='blue', node_size=1500, edge_color='green')
plt.show()
# 检测社区
communities = greedy_modularity_communities(G)
print("社区划分:", communities)

效果展示

四、函数参数总结

函数名	参数说明
add_node	添加一个节点，参数为节点ID和属性（可选）
add_nodes_from	批量添加节点，参数为节点列表
add_edge	添加一条边，参数为两个节点ID和边属性（可选）
add_edges_from	批量添加边，参数为边列表
degree	获取节点的度数
shortest_path	计算两个节点之间的最短路径
degree_centrality	计算节点的度中心性
betweenness_centrality	计算节点的介数中心性
greedy_modularity_communities	检测社区结构

五、总结

   NetworkX是一个功能强大的图处理库，能够轻松创建、操作和分析图结构。无论是简单的图创建还是复杂的图分析，NetworkX都能为开发者提供高效的工具。通过NetworkX，你可以从社交网络、通信网络、物流网络等多种领域中，快速构建和处理图结构，分析图中的各种关系与特性。资源绑定附上完整资料供读者参考学习！