当前位置：首页 > news >正文

第三十章:Python-NetworkX库：创建、操作与研究复杂网络

news 来源：原创 2025/8/28 7:05:10

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_communitiesimport 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！

一、NetworkX库简介

二、常见操作示例

1. 创建图

Python示例代码

效果展示

2. 创建有向图

Python示例代码

效果展示

3. 创建加权图

Python示例代码

效果展示

4. 图的可视化

Python示例代码

效果展示

三、高级操作示例

1. 计算最短路径

Python示例代码

效果展示

2. 计算节点中心性

Python示例代码

效果展示

3. 社区检测

Python示例代码

效果展示

四、函数参数总结

五、总结

相关文章：