这篇文章主要介绍了NetWorkX使用方法及nx.draw()相关参数解读，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
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。
G.add_node(1) #添加单个节点
G.add_node("x",name='tome') #添加单个节点及属性
G.add_nodes_from([2,3]) #从一个可迭代容器中添加多个节点
G.add_nodes_from([(4, {"color": "red"}), (5, {"color": "green"})])# 添加节点和属性
H = nx.path_graph(10) #创建一个新图
G.clear() # 清空图
G.add_nodes_from(H) #从另一张图中添加节点
print(list(H.nodes))
print(list(G.nodes))
G.add_edge(1,3)#添加一条边
G.add_edges_from([(2,3),(3,4)])# 添加多条边
查看节点和边
list(G.nodes) #查看节点
for k, v in G.nodes.items(): print(k,v) #查看节点及属性
G.number_of_nodes() #查看几个节点
G.adj[1] #查看邻居节点
G[1] #查看邻居节点
list(G.neighbors(1)) #查看邻居节点
G.number_of_edges() #查看几条边
G.add_edge(1,3) #查看特定边
G.edges() #查看边
G.add_edge(2,3)
G.edges([1]) #查看1连接的所有边
G.edges([3]) #查看1连接的所有边
G.degree[1] #查看度
for node,neighbors in g.adjacency():
print(node, neighbors) # 查看邻接矩阵内容
删除节点和边
G.remove_node(4)
G.remove_edge(1,3)
用已有的图构建新图
# 构建有向图
g = nx.DiGraph(G)
nx.draw(g)
获取节点和边
G = nx.Graph([(1,2,{'color':'red'})])
G[1] #获取1的邻居节点
G[1][2] #获取边属性
G.edges[1,2] #获取边属性
图、节点、边属性
# 图级别属性
g = nx.Graph(day = 'none')
g.graph #输出图级别的属性信息
g.graph['day']= 'tom' #修改图级别属性信息
g.graph['date']= 'now' #添加图级别属性信息
# 节点属性
g.add_node(1, time='now')
g.add_nodes_from([2,3,4,5,6], time='yes')
g.nodes.data()
g.nodes[2]
# 边属性
g.add_edge(1,2,time='now')
g.add_edges_from([(1,2,{'time':'now'}),(1,3,{'time':'naw'})])
G[1][2]['color'] = 'blue'
G.edges[1,2]['color'] ='Y'
g.edges.data()
# 分析图：连通分量
g.clear()
g.add_edges_from([(1,2),(3,2)])
g.add_nodes_from("spam")
list(nx.connected_components(g)) #有5个连通分量
nx.draw(g) #可视化
#分析图：按度排序
sorted(((node,degree) for node,degree in g.degree), key= lambda d:d[1],reverse = True)
# 图可视化
g = nx.petersen_graph()
nx.draw(g, with_labels = True) #标明label
从edgelist读取图
# 从edgelist读取图
g = nx.read_edgelist('edglist.txt')
nx.draw(g, with_labels= True)
