最近发现一个特别好用的python库，能够绘制精美的关系图，俗话说有好东西要学会分享，所以袁厨就肝了这篇文章，大家可以参考一下。

一、概述

NetworkX是一个用python编写的软件包，便于用户对复杂网络进行创建、操作和学习。

利用networkx可以以标准化和非标准化的数据格式存储网络、生成多种随机网络和经典网络、分析网络结构、建立网络模型、设计新的网络算法、进行网络绘制等，Networkx主要用于创造、操作复杂网络，以及学习复杂网络的结构、动力学及其功能。我们用它可以将存储在邻接表或邻接矩阵里的网络 图可视化 。下面给大家看一下我自己画的一个例子吧。这样就大概可以了解怎么回事了。

小世界网络图

上面这张图片是我绘制的社交关系图，其中蓝色节点代表的是度最高的节点，就是社交关系最复杂的节点。

二、NetWorkx安装

安装方式主要有三种 1.命令行pip 2.pycharm安装 3.官方下载whl文件进行安装

下面我给大家介绍最简单方便的第一种方式吧

1.win+r进入命令行界面

在这里插入图片描述

2.输入安装代码

pip install networkx -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

这里更换了豆瓣的镜像源。可以提高下载速度。安装其他包的时候，将networkx改成其他包名即可。

三、NetworkX基础知识

1.创建图

首先我们需要创建一个没有边和节点的图形，说白了就是先拿出一张白纸，我们准备在白纸上作画了。

import networkx as nx
G = nx.Graph()#无多重边无向图
G = nx.DiGraph()#无多重边有向图
G = nx.MultiGraph()#有多重边无向图
G = nx.MultiDiGraph()#有多重边有向图

可以创建四种图形，无多重边无向图、无多重边有向图、有多重边无向图、有多重边有向图。常用的就是第一种图了

2.添加节点

这一步的作用就是在图中添加节点，我们可以一次添加一个节点，也可以添加一个节点列表

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

两个命令是不一样的需要注意一下哦

3.添加边

当然边也可以单个添加和多个添加

G.add_edge('x', 'y')   # 添加一条边起点为x,终点为y
G.add_edges_from([(, ), (, ), (, )])   # 添加多条边

下面我们来看一下当前效果

import networkx as nx
import matplotlib.pyplot as plt
G = nx.Graph()  # 无多重边无向图
G.add_node()  # 添加节点1
G.add_nodes_from([, ])  # 添加节点2，3
G.add_nodes_from([, , , , ])  # 添加节点2，3
G.add_edge('x', 'y')  # 添加一条边起点为x,终点为y
G.add_edges_from([(, ), (, ), (, ), (, )]);
G.add_edges_from([(, ), (, ), (, )])  # 添加多条边
nx.draw(G, with_labels=True);
plt.show()

4.给图中的节点和边添加属性

运行样式：
      - `node_size`:  指定节点的尺寸大小(默认是)
      - `node_color`:  指定节点的颜色 (默认是红色，可以用字符串简单标识颜     色，例如'r'为红色，'b'为绿色等)
      - `node_shape`:  节点的形状（默认是圆形，用字符串'o'标识）
      - `alpha`: 透明度 (默认是1.0，不透明，为完全透明) 
      - `width`: 边的宽度 (默认为1.0)
      - `edge_color`: 边的颜色(默认为黑色)
      - `style`: 边的样式(默认为实现，可选：solid|dashed|dotted,dashdot)
      - `with_labels`: 节点是否带标签（默认为True）
      - `font_size`: 节点标签字体大小 (默认为)
      - `font_color`: 节点标签字体颜色（默认为黑色）
      - `pos`: 布局
运用布局：
　　circular_layout：节点在一个圆环上均匀分布
　　random_layout：节点随机分布
　　shell_layout：节点在同心圆上分布
　　spring_layout： 用Fruchterman-Reingold算法排列节点（样子类似多中心放射状）
　　spectral_layout：根据图的拉普拉斯特征向量排列节点
我们需要在nx.draw这行代码里面添加属性。

下面我们来使用一下这些属性，看看会有什么效果。

添加节点属性

import networkx as nx
import matplotlib.pyplot as plt
G = nx.Graph()  # 无多重边无向图
G.add_nodes_from([,,,,,])  # 添加节点2，3
G.add_edges_from([(, ), (, ), (, ), (, ),(,),(,)]);
nx.draw(G, with_labels=True,node_size=,node_color='#7FFF00')#在这里添加属性，添加颜色和大小
plt.show()

添加布局属性

pos =nx.shell_layout(G)
nx.draw(G,with_labels=True,node_size=,node_color='#7FFF00',pos=pos)

import networkx as nx
import matplotlib.pyplot as plt
G = nx.Graph()  # 无多重边无向图
G.add_nodes_from([,,,,,,,,,])  # 添加节点2，3
G.add_edges_from([(, ), (, ), (, ), (, ),(,),(,),(,),(,),(,),(,),(,),(,)]);
pos =nx.shell_layout(G)
nx.draw(G,with_labels=True,node_size=,node_color='#7FFF00',pos=pos)
plt.show()

我们刚才用的属性是节点在同心圆上分布，效果如上图。还有其他分布方式大家可以试一下。

给节点添加不同的颜色

import networkx as nx
import matplotlib.pyplot as plt
G = nx.Graph()  # 无多重边无向图
G.add_edges_from([(,),(,),(,),(,)]);
color=['#7FFF00','#0000ff','#9999ff','#ff00ff']
pos =nx.shell_layout(G)
nx.draw(G, with_labels=True,node_size=,node_color=color,pos=pos)
plt.show()

不同节点不同颜色

我们还可以给每个节点设置不同的颜色。当然大小也可以，这里自由发挥就好了。

5.样例实现

我们用了两种不同的节点分布方式，效果如下。

import networkx as nx
import matplotlib.pyplot as plt
net_grid = nx.Graph()
# nodes
list_net_nodes = [, , , , , , , , , , , , , , , , , , , ]
# edges
list_net_edges = [(, ), (, ), (, ), (, ), (, ),
                  (, ), (, ), (, ),
                  (, ), (, ), (, ),
                  (, ), (, ), (, ),
                  (, ), (, ), (, ),
                  (, ), (, ), (, ),
                  (, ), (, ),(, ),(, ),
                  (, ), (, ),(, ),(, ),(, )]
net_grid.add_nodes_from(list_net_nodes)
net_grid.add_edges_from(list_net_edges)
pos = nx.random_layout(net_grid)#随机分布
nx.draw_networkx_nodes(net_grid, pos=pos, node_color='#ff0000', node_size=, alpha=0.6)#点的样式
nx.draw_networkx_edges(net_grid, pos=pos, width=0.5, alpha=0.4)#边的样式
plt.show()

学到这里基本的图就会画了，下面学习一下通过数据集进行绘制绘制网络图

6.导入数据进行绘图

利用football数据集绘制社交关系图，

import networkx as nx
import matplotlib.pyplot as plt
net_grid = nx.Graph()
#构建函数，提取出数据集里的边和点
def read_gml(data):
    H = nx.read_gml(data)
    nodedata= H.nodes;
    eagedata=H.edges;
    return nodedata,eagedata
#引用函数得到边和点
(nodeums,edgesnum)=read_gml('football.gml')
net_grid.add_nodes_from(nodeums)