networkx之图遍历和图绘制

全栈程序员站长

发布于 2022-08-25 08:53:11

1.8K0

发布于 2022-08-25 08:53:11

文章被收录于专栏：全栈程序员必看

大家好，又见面了，我是你们的朋友全栈君。

networkx之图遍历和图绘制

文章目录
networkx之图遍历和图绘制
图数据读取后默认标签（labels）为索引，如何使用编号id？
图数据读取后，如何得到节点集和边集？
如何绘制多样的图？

图数据读取后默认标签（labels）为索引，如何使用编号id？

例如在读取football数据时，其labels都是节点的英文名称，这样在处理图数据时不是很方便，往往报错，我们通常习惯处理节点的编号从1开始，可以建立label-id的反向索引，如果处理图数据时只需要编号id，可以将labels属性设置为id，如果之后还需要查询，可返回反向索引字典

处理函数如下：

def swap_id_label(G):
    """ 建立id和label的反向索引 return: new_graph :rtype: object """
    nodes = []
    edges = []
    nodes_id = dict()
    nodes_label = dict()
    for id, label in enumerate(G.nodes()):
        nodes_id[label] = id + 1
        nodes_label[id + 1] = label
        nodes.append(id + 1)
    for (u, v) in G.edges():
        edges.append((nodes_id[u], nodes_id[v]))
    new_graph = nx.Graph()
    new_graph.add_nodes_from(nodes)
    for node in nodes:
        new_graph.add_node(node, labels = node)
    new_graph.add_edges_from(edges)
    return new_graph

参考博客：【Python】networkx读取gml图文件，有两个问题影响使用

图数据读取后，如何得到节点集和边集？

在图数据读取后，我们在算法中处理数据时往往会对图的节点集和边集进行处理，下面提供几种遍历方式:

如何绘制多样的图？

在绘制图时，有时我们可能需要为节点着不同的颜色，展示不同属性和大小等等，需要为边添加不同的线型，颜色、粗细等等，这时需要分步绘制，其各类属性如下：

# 画点
draw_networkx_nodes(G, pos, nodelist=None, node_size=300, node_color='#1f78b4', node_shape='o', alpha=None,cmap=None, 
	vmin=None, vmax=None, ax=None, linewidths=None, edgecolors=None, label=None, **kwds)
# 画边
draw_networkx_edges(G, pos, edgelist=None, width=1.0, edge_color='k', style='solid', alpha=None, arrowstyle='-|>', arrowsize=10, 
	edge_cmap=None, edge_vmin=None, edge_vmax=None, ax=None, arrows=True, label=None, node_size=300, nodelist=None, 
	node_shape='o', connectionstyle=None, min_source_margin=0, min_target_margin=0, **kwds)
# 标签
draw_networkx_labels(G, pos, labels=None, font_size=12, font_color='k', font_family='sans-serif', font_weight='normal', 
	alpha=None, bbox=None, ax=None, **kwds)
# 边的标签 
draw_networkx_edge_labels(G, pos, edge_labels=None, label_pos=0.5, font_size=10, font_color='k', font_family='sans-serif', 
	font_weight='normal', alpha=None, bbox=None, ax=None, rotate=True, **kwds)

属性参考博客链接：networkx —— 基本操作及画图

🎈

下面以karate_club数据集为例绘制图：

import networkx as nx
import matplotlib.pyplot as plt

G = nx.karate_club_graph()

pos = nx.spring_layout(G) # 节点的布局为spring型
plt.figure(figsize = (6, 6)) # 图片大小

nodes = list(G.nodes())
vn = len(nodes)
nodes1 = [nodes[i] for i in range(0, (int)(vn / 2))]
nodes2 = [nodes[i] for i in range((int)(vn / 2), vn)]
nx.draw_networkx_nodes(G, pos = pos, nodelist=nodes1, node_color='r', node_size=140)
nx.draw_networkx_nodes(G, pos = pos, nodelist=nodes2, node_color='y', node_size=80)

edges = list(G.edges())
en = len(edges)
edges1 = [edges[i] for i in range(0, (int)(en / 2))]
edges2 = [edges[i] for i in range((int)(vn / 2), en)]
nx.draw_networkx_edges(G, pos = pos, edgelist=edges1, style='dashed', edge_color='g', width=1.0 , alpha='0.6')
nx.draw_networkx_edges(G, pos = pos, edgelist=edges2, style='dashed', edge_color='b', width=1.0 )

plt.show()

绘制结果如下