Networkxの研究ノート（0）

Networkxクラス	タイプ	自己ループは許可します	パラレルエッジは許さ
グラフ	無向	はい	番号
有向グラフ	監督	はい	番号
多重グラフ	無向	はい	はい
MultiDiGraph	監督	はい	はい

　　グラフを成長させるための2つの方法があります。

インポートNXとしてnetworkx
輸入PLTとしてmatplotlib.pyplot

G = nx.Graph（）
G.add_node（1、機能= 10 ） G.add_node（1、機能= 20 ） G.add_node（2、機能= 'ボボ' ）ノード= [（3、{ '特徴'： 'AOAO'}）、（4、{ '機能'：9 }）] G.add_nodes_from（ノード）G.nodes [1] [ '特徴'] = 'いい'プリント（G.nodes）プリント（G.nodes（データ= TRUE））

＃結果
＃[1、2、3、4]
＃[（1、{ '特徴'」いい '}）、（2、{' 特徴 '： 'ボボ'}）、（3、{ '特徴'：' 一般 '}）、（4、{' 特長「：9}）]

G.add_edge（0、1、距離= 100 ）
G.add_edge（0、1、距離= 200 ）

エッジ= [（1、3、{ '距離'：142}）、（2、3、{ '距離'：19 }）]
G.add_edges_from（エッジ）

G.edges [0、1] [ '距離'] = 999 G [0] [1]〜[ '距離'] = 1999
 印刷（G.edges） 印刷（G.edges（データ= TRUE））

＃結果
＃[（1,0）、（1,3）、（2,3）]
＃[（1、0、{ '距離'：1999}）、（1、3、{ '距離'：142}）、（2、3、{ '距離'：19}）]

　　レポートの何かに他の有用な方法は：（隣人とADJは、私たちが直接グラフインデックスにアクセスする可能性があるため、almostly有用ではありません）

G.neighborsにおけるn（1 ）：
    プリント（N）
G中のN [1 ]：
    プリント（N） NBRのため、G.adjにdatadict [2 ] .items（）： プリント（NBR、datadict）NBRのための、Gにdatadict [2 ] .items（）：プリント（NBR、datadict）プリント（G.has_node（0））プリント（G.has_node（5 ））、印刷（G.has_edge（ 0,1 ）））（G.has_edge（2,1）を印刷

＃0
＃3
＃0
＃3
＃3 { '距離'：19}
＃3 { '距離'：19}
#True
#False
#True
#False

　　ノードやエッジの属性のデータを使用する方法：

node_indexため、G.nodesでnode_feature（データ= 真）：
    印刷（node_index、node_feature）
受信機、送信者のために、（データ= G.edgesに備えて真）：
    プリント（受信機、送信者、機能）

1 { '特徴'： 'いい' }
2 { '特徴'： 'ボボ' }
{3「の特徴：*パーティー* }
4 { '特徴'：9 } 0} { 1 0 { '距離'：1999 } 1 3 { '距離'：142 } 2 {3 '距離'：19}

　　Gのような有向グラフを取得するための2つの方法があり、それらは同じノード、名前を持っているが、各エッジに（U、V、データ）は、2つの有向エッジ（U、V、データ）および（V、U、データで置き換え）、それらの間の差は「（）.to_directed」ということであるディープコピーである、nx.DiGraphは浅いコピーであります　　　　　　　　

DIG = G.to_directed（）
受信機、送信者のために、diG.edges（データ=に備えて真）：
    プリント（受信機、送信者、機能）
DIG = nx.DiGraph（G）

1 0 { '距離'：1999 }
1 3 { '距離'：142 }
2 3 { '距離'：19 }
3 1 { '距離'：142 } 3 2 { '距離'：19 } 0 1 { '距離'：1999}

おすすめ