Python NetworkX模块允许我们创建，操纵和研究复杂网络的结构，功能和动态。

1. Python NetworkX

• NetworkX适用于现实世界中的图形问题，也擅长处理大数据。

• 由于该库纯粹是用python制作的，因此这一事实使它同时具有高度的可伸缩性，可移植性和合理的效率。

• 它是开源的，并根据3条款BSD许可发布。

2.为什么选择NetworkX？

NetworkX为您提供了很多使用它的理由。
以下是NetworkX使其与之配套的一些功能：

• NetworkX具有众多标准图形算法
• 它支持图，有向图和多图的数据结构
• 它提供了各种网络结构和分析措施
• 使用软件包中提供的生成器，制作经典/随机图和合成网络要容易得多
• 网络或者图中的节点绝对可以是任何东西，可以是图像，XML数据或者其他任何东西
• 边缘还可以保存任意数据，例如时间戳和权重
• 它已经过良好的测试，大约90％的代码覆盖率

除此之外，它还具有其他优势，因为它基于纯Python，因此，它具有快速原型语法并且非常易于学习。
让我们开始吧！

3. NetworkX入门

NetworkX需要在计算机上安装Python> = 2.7。
首先，让我们完成安装。

3.1)安装NetworkX模块

我们可以使用Python Package Index(pip)安装NetworkX：

pip install networkx

如果在使用pip安装软件包时遇到任何问题，请使用git命令从GitHub安装它：

pip install git://github.com/networkx/networkx.git

3.2)使用NetworkX

现在我们已经在计算机上安装了NetworkX，我们可以使用以下import语句在任何脚本中使用它：

import networkx

3.3)创建图

由于NetworkX库用于使用Graph结构管理关系，因此我们可以从创建没有节点和边的图开始：

import networkx
graph = networkx.Graph()

由于没有节点或者边，因此我们看不到图形，因此让我们使用闲置来检查是否已创建图形：

3.4)将节点添加到图形

添加和检查节点非常简单，可以通过以下方式完成：

graph.add_node(1)

或者将列表用作：

graph.add_nodes_from([2,3])

并查看现有图中的节点：

graph.nodes()

运行这些命令集时，我们将看到以下输出：到目前为止，系统中确实存在一个图，但图的节点尚未连接。
这可以通过在两个图节点之间建立路径的图边缘来完成。

3.5)在节点之间添加边

添加和检查边缘也非常简单，可以通过以下方式完成：

graph.add_edge(1,2)

或者将列表用作：

graph.add_edges_from([(1,2),(2,3)])

为了查看现有图形中的节点，我们可以再次打印图形对象的边缘：

graph.edges()

运行这些命令集时，将看到以下输出：

4.属性

图形是数据结构，用于连接相关数据并通过权重显示它们之间的关系。
该权重可以称为图中两个节点的关系的属性。
同样，要显示节点或者边线或者图形本身的属性，我们也可以使用属性。

4.1)图形属性

通过将图形属性添加到Graph对象，我们可以将元数据分配给Graph。
让我们看一下如何做到这一点的代码片段：

graph.graph["day"]="Monday"
graph.graph

4.2)节点属性

其中我们将属性添加到Graph对象的节点：

graph.add_node(1, time='5pm')
graph.add_nodes_from([3], time='2pm')
graph.node[1]
graph.node[1]['room'] = 714
graph.nodes(data=True)

4.3)边缘属性

最后，我们将一些属性分配给Graph对象的边缘。
分配边缘属性：

graph.add_edge(1, 2, weight=4.7 )
graph.add_edges_from([(3,4),(4,5)], color='red')
graph.add_edges_from([(1,2,{'color':'blue'}), (2,3,{'weight':8})])
graph[1][2]['weight'] = 4.7
graph.edge[1][2]['weight'] = 4

将属性添加到图，节点和边后，我们最终可以打印所有数据：

5.有向图

在上一节中，我们看到可以将属性分配给Graph的边缘。
我们可以创建一个有向图并添加加权边，如下所示。

DG=networkx.DiGraph()
DG.add_weighted_edges_from([(1,2,0.5), (3,1,0.75)])
DG.out_degree(1,weight='weight')
DG.degree(1,weight='weight')
DG.successors(1)
DG.neighbors(1)

一旦运行了这些命令，我们将能够看到我们刚刚制作的图的邻居和后继者：

6.绘图图

到目前为止，我们一直在对图形执行各种操作，但无法可视化任何操作。
现在，让我们尝试形象化它们。
为此，我们需要matplotlib库的帮助：

import matplotlib.pyplot as plt
networkx.draw(graph)
networkx.draw_random(graph)
networkx.draw_circular(graph)
networkx.draw_spectral(graph)
plt.show()