图的类型
- Graph类是无向图的基类,无向图能有自己的属性或参数,不包含重边,允许有回路,节点可以是任何hash的python对象,节点和边可以保存key/value属性对。该类的构造函数为Graph(data=None,**attr),其中data可以是边列表,或任意一个Networkx的图对象,默认为none;attr是关键字参数,例如key=value对形式的属性。
import networkx as nx #导入NetworkX包,为了少打几个字母,将其重命名为nx
G = nx.Graph() #建立一个空的无向图G
MultiGraph是可以有重边的无向图,其它和Graph类似。其构造函数MultiGraph(data=None, *attr)。
DiGraph是有向图的基类,有向图可以有数自己的属性或参数,不包含重边,允许有回路;节点可以是任何hash的python对象,边和节点可含key/value属性对。该类的构造函数DiGraph(data=None,**attr),其中data可以是边列表,或任意一个Networkx的图对象,默认为none;attr是关键字参数,例如key=value对形式的属性。
MultiDiGraph是可以有重边的有向图,其它和DiGraph类似。其构造函数MultiDiGraph(data=None, *attr)。
基本概念
距离
最短距离:两节点 和节点 经历边数最少的一条简单路径
直径:任意两个节点距离的最大值
度
节点度:无向图中,与节点v 相连的节点数量d(v)或
有向图中 分 出度和入度,入度 其他节点指向节点v的个数
出度,节点v指向其他节点的个数网络平均度
度分布
累计度分布
- 聚集系数
网络G =(V,E)
d( )表示 的度值
与节点 相连的顶点有d( ), 这些节点实际相恋的次数为 ,
最多可能的边数为
节点 的聚集系数为
- 介数
- 核数
- 度中心性
节点 的度中心性:
网络G 含N个节点的 度中心:
介数中心性
接近度指标
密度
networkx实现
import networkx as nx #使用库的声明
G=nx.Graph() #初始化
G=nx.Graph(name='my graph')
e=[(1,2),(1,3),(2,3),(3,4),(4,5)]
G=nx.Graph(e) #为图G添加边
#节点数
len(G)
##边数
G.number_of_edges()
###节点表
G.nodes()
##边表
G.edges()
Out[27]: EdgeView([(1, 2), (1, 3), (2, 3), (3, 4), (4, 5)])