目录
- python networkx来生成一个图
- networkx随机图生成
- 总结
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python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_node开发者_C开发s(G,position, nodelist=nodes, node_color="r") nx.draw_networkx_edges(G,position) nx.draw_networkx_labels(G,position) print(nx.to_numpy_matrwww.devze.comix(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) js#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) www.devze.com 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_componentsjavascript(G))) nx.draw_networkx(G, with_labels=True) plt.show()
总结
以上为个人经验,希望能给大家一个参考,也希望大家多多支持我们。
精彩评论