python複雜網絡處理模塊networkx

最近開始認真的學習發現一個 python 好玩的模塊

以下內容爲網上的文章整合

networkx在02年5月產生，是用python語言編寫的軟件包，便於用戶對複雜網絡進行創建、操作和學習。利用networkx可以以標準化和非標準化的數據格式存儲網絡、生成多種隨機網絡和經典網絡、分析網絡結構、建立網絡模型、設計新的網絡算法、進行網絡繪製等。

NetworkX提供了4種常見網絡的建模方法，分別是：規則圖，ER隨機圖，WS小世界網絡和BA無標度網絡。

一. 規則圖

　　規則圖差不多是最沒有複雜性的一類圖，random_graphs.random_regular_graph(d, n)方法可以生成一個含有n個節點，每個節點有d個鄰居節點的規則圖。

　　下面一段示例代碼，生成了包含20個節點、每個節點有3個鄰居的規則圖：

import networkx as nx
import matplotlib.pyplot as plt
# regular graphy
# generate a regular graph which has 20 nodes & each node has 3 neghbour nodes.
RG = nx.random_graphs.random_regular_graph(3, 20)
# the spectral layout
pos = nx.spectral_layout(RG)
# draw the regular graphy
nx.draw(RG, pos, with_labels = False, node_size = 30)
plt.show()

二、ER隨機圖

　　ER隨機圖是早期研究得比較多的一類“複雜”網絡，模型的基本思想是以概率p連接N個節點中的每一對節點。用random_graphs.erdos_renyi_graph(n,p)方法生成一個含有n個節點、以概率p連接的ER隨機圖：

import networkx as nx
import matplotlib.pyplot as plt
# erdos renyi graph
# generate a graph which has n=20 nodes, probablity p = 0.2.
ER = nx.random_graphs.erdos_renyi_graph(20, 0.2)
# the shell layout
pos = nx.shell_layout(ER)
nx.draw(ER, pos, with_labels = False, node_size = 30)
plt.show()

三、WS小世界網絡

　　用random_graphs.watts_strogatz_graph(n, k, p)方法生成一個含有n個節點、每個節點有k個鄰居、以概率p隨機化重連邊的WS小世界網絡。

　　下面是一個例子：

import networkx as nx
import matplotlib.pyplot as plt
# WS network
# generate a WS network which has 20 nodes,
# each node has 4 neighbour nodes,
# random reconnection probability was 0.3.
WS = nx.random_graphs.watts_strogatz_graph(20, 4, 0.3)
# circular layout
pos = nx.circular_layout(WS)
nx.draw(WS, pos, with_labels = False, node_size = 30)
plt.show()

四、BA無標度網絡

　　用random_graphs.barabasi_albert_graph(n, m)方法生成一個含有n個節點、每次加入m條邊的BA無標度網絡。

　　下面是一個例子：

import networkx as nx
import matplotlib.pyplot as plt
# BA scale-free degree network
# generalize BA network which has 20 nodes, m = 1
BA = nx.random_graphs.barabasi_albert_graph(20, 1)
# spring layout
pos = nx.spring_layout(BA)
nx.draw(BA, pos, with_labels = False, node_size = 30)
plt.show()

來源: http://www.cnblogs.com/forstudy/archive/2012/03/20/2407954.html

還有使用筆記給出鏈接 http://blog.sciencenet.cn/blog-404069-337442.html