在图2中，笔者将村庄编码为1-29的29个点，交叉点编码为1021-1024共24个点，为了使图更为紧凑，还调整了原图，添加了两个交叉点1025和1026，城市节点编码为'a-e'。准备工作做好以后，开始使用networkx新建网络。

roads=nx.Graph()#新建一个无向图

将附带人口属性的城市节点添加到网络中

#城市的人口数据
rcapacity=[24115, 15092, 16194, 22563, 19311]
rnlist=['a','b','c','d','e'] #城市节点列表
#将城市添加到网络中
for i in range(0,5):
    roads.add_node(rnlist[i],capacity=rcapacity[i])

将附带人口属性的村庄节点添加到网络中：

npop=[637, 1517, 4683, 1860, 1102, 4684, 1233, 4421, 2286, 529, 4489, 3071, 4268,\
    2542, 3465, 4751, 2284, 2220, 4488, 4483, 3

NetworkX是一个很强大的python网络处理工具包，内置了常用的图和复杂网络分析方法。一般网络处理不关心节点的坐标，因为网络分析通常只关心节点的连通关系和边的权值属性，一般并不涉及坐标值。但是在对路网进行模拟的时候，大多需要将网络直观地呈现出来，这是个简单但是网络上的文章鲜有涉及的问题。针对网络绘制，NetworkX提供了一个简单的方法，此方法依赖于matplotlib中的p... # 下面这行代码用来给每个 节点 设置 坐标 pos = {0: (0, 2), 1: (1, 2), 2: (0, 1), 3: (1, 1), 4: (0, 0), 5: (1, 0)} G = nx.Graph() G.add_edge(i, j) # 根据自己的需要为 节点 添加边 nx.draw(G, pos=pos, with_labels=True) plt.sho %整体思路 %1.小世界模型3个参数N,K,p，N为点的数目，K表示每个点左边K/2个邻居，右边K/2个邻居，一共K个邻居，p代表每条边以多少概率重连 %2.首先给定这三个参数（参数是人工输入，通过修改代码中3个参数实现模型的变化） %3.画出以圆为轮廓的N个 节点 %4.给出邻接矩阵A，将初始图像的边存放在矩阵中 %5.修改邻接边（实质上是修改邻接矩阵） %6.按照邻接矩阵画出最后的图像 %第一部分，输入（建立）初始数据 %第二部分，定义点形成网络框图 %第三部分，生成邻接矩阵，生成