写在前面：城市计算研究中经常涉及到图论的相关知识,而且常常面对某些术语时,根本不知道在说什么.最近接触了NetworkX这个graph处理工具,发现这个工具已经解决绝大部分的图论问题(也许只是我自己认为的,没有证据证明),所以把这个工具的使用学习下,顺便学习图论的相关知识.
创建一个图
import networkx as nx G = nx.Graph()
节点
一次添加一个节点 G.add_node(1) 添加一个节点列表 G.add_nodes_from([2, 3])
边
可以通过一次添加一条边来增长 G.add_edge(1, 2) e = (2, 3) G.add_edge(*e) # unpack edge tuple*
也可以通过添加边列表 G.add_edges_from([(1, 2), (1, 3)])
删除图中所有节点和边
G.clear()
我们添加新的节点/边，并且NetworkX会自动的忽略任何已经存在的节点。
G.add_edges_from([(1, 2), (1, 3)]) G.add_node(1) G.add_edge(1, 2) G.add_node("spam") # adds node "spam"
G.add_nodes_from("spam") # adds 4 nodes: 's', 'p', 'a', 'm'
G.add_edge(3, 'm')
在这个阶段，图形G由8个节点和3个边组成，如下所示：
>>> G.number_of_nodes() 8
>>> G.number_of_edges() 3
我们可以检查节点和边。四个基本图形属性：G.nodes，G.edges，G.adj和G.degree。这些是节点，边，邻居（邻接点）和图中节点的程度集的视图。
>>> list(G.nodes) ['a', 1, 2, 3, 'spam', 'm', 'p', 's'] >>> list(G.edges) [(1, 2), (1, 3), (3, 'm')] >>> list(G.adj[1]) # or list(G.neighbors(1))
[2, 3] >>> G.degree[1] # the number of edges incident to 1
2
可以以类似于添加的方式从图中移除节点和边。使用方法 Graph.remove_node()，Graph.remove_nodes_from()， Graph.remove_edge() 和 Graph.remove_edges_from()，如
>>> G.remove_node(2) >>> G.remove_nodes_from("spam") >>> list(G.nodes) [1, 3, 'spam'] >>> G.remove_edge(1, 3)
通过实例化其中一个图形类来创建图形结构时，可以使用多种格式指定数据
>>> G.add_edge(1, 2) >>> H = nx.DiGraph(G) # create a DiGraph using the connections from G
>>> list(H.edges()) [(1, 2), (2, 1)] >>> edgelist = [(0, 1), (1, 2), (2, 3)] >>> H = nx.Graph(edgelist)
访问边和节点邻居
除了视图之外Graph.edges()，Graph.adj()还可以使用下标符号来访问边和邻居。
>>> G[1] # same as G.adj[1]
AtlasView({2: {}}) >>> G[1][2] {} >>> G.edges[1, 2] {}
如果边已经存在，可以使用下标符号来获取/设置边的属性。
>>> G.add_edge(1, 3) >>> G[1][3]['color'] = "blue"
>>> G.edges[1, 2]['color'] = "red"
所有（节点，邻接节点）的快速查询都是使用 G.adjacency()或G.adj.items()完成的。请注意，对于无向图，邻接迭代会将每个边看两次。
>>> FG = nx.Graph() >>> FG.add_weighted_edges_from([(1, 2, 0.125), (1, 3, 0.75), (2, 4, 1.2), (3, 4, 0.375)]) >>> for n, nbrs in FG.adj.items(): ... for nbr, eattr in nbrs.items(): ... wt = eattr['weight'] ... if wt < 0.5: print('(%d, %d, %.3f)' % (n, nbr, wt)) (1, 2, 0.125) (2, 1, 0.125) (3, 4, 0.375) (4, 3, 0.375)
通过边属性可以方便地访问所有的边。
>>> for (u, v, wt) in FG.edges.data('weight'): ... if wt < 0.5: print('(%d, %d, %.3f)' % (u, v, wt)) (1, 2, 0.125) (3, 4, 0.375)
将属性添加到图形，节点和边
属性（如权重，标签，颜色或任何您喜欢的Python对象）可以附加到图形，节点或边上。
每个图形，节点和边都可以在关联的属性字典中保存键/值属性对（键必须是可散列的）。默认情况下，这些都是空的，但属性可以使用添加或更改add_edge，add_node或命名的属性字典的直接操作G.graph，G.nodes和 G.edges一个图G。
图形属性
创建新图形时分配图形属性
>>> G = nx.Graph(day="Friday") >>> G.graph {'day': 'Friday'}
或者也可以修改属性
>>> G.graph['day'] = "Monday"
>>> G.graph {'day': 'Monday'}
节点属性
添加节点属性使用add_node()，add_nodes_from()或G.nodes
>>> G.add_node(1, time='5pm') >>> G.add_nodes_from([3], time='2pm') >>> G.nodes[1] {'time': '5pm'} >>> G.nodes[1]['room'] = 714
>>> G.nodes.data() NodeDataView({1: {'room': 714, 'time': '5pm'}, 3: {'time': '2pm'}})
边属性
添加/更改边使用的属性add_edge()，add_edges_from()或标符号。
>>> G.add_edge(1, 2, weight=4.7 ) >>> G.add_edges_from([(3, 4), (4, 5)], color='red') >>> G.add_edges_from([(1, 2, {'color': 'blue'}), (2, 3, {'weight': 8})]) >>> G[1][2]['weight'] = 4.7
>>> G.edges[3, 4]['weight'] = 4.2
有向图:DiGraph()
DiGraph类提供特定于有向边的附加属性，例如DiGraph.out_edges（），DiGraph.in_degree（），DiGraph.predecessors（），DiGraph.successors（）等。为了使算法能够轻松地处理这两个类， neighbor（）的功能等同于successors（），而degree会报告in_degree和out_degree的总和，即使有时可能会感觉不一致
dg = nx.DiGraph() nodes1 = [ ('Variable', {'name': 'avariable', 'table': 'tablename'}), ('Select', {'conditions': {'pro_code': 44}}), ('GroupBy', {'varname': 'gender'}), ('Mean', {}), ('Which1', {'level': 1}), ('Decimal1', {'place': 1}), ] nodes2 = [ ('Which1', {'level': 2}), ('Decimal2', {'place': 1}), ] nodes3 = [ ('Add', {}) ] dg.add_nodes_from(nodes1) dg.add_nodes_from(nodes2) dg.add_nodes_from(nodes3) dg.add_edges_from([ ('Variable', 'Select'), ('Select', 'GroupBy'), ('GroupBy', 'Mean'), ('Mean', 'Which1'), ('Mean', 'Which2'), ('Which1', 'Decimal1'), ('Which2', 'Decimal2'), ('Decimal1', 'Add'), ('Decimal2', 'Add'), ]) nx.draw(dg, with_labels=True)
