文章目录 一、NetworkX 概述二、NetworkX的安装三、NetworkX基础知识1. 创建图2. 网络图的加点和加边3. 运用布局 四、利用NetworkX实现关联类分析1. 提取数据2. 画网络图(1) 随机分布网络图(2) Fruchterman-Reingold 算法排列节点网络图(3) 同心圆分布网络图
原文链接：https://yetingyun.blog.csdn.net/article/details/107830112
创作不易，未经作者允许，禁止转载，更勿做其他用途，违者必究。
NetworkX 是一个用 Python 语言开发的图论与复杂网络建模工具，内置了常用的图与复杂网络分析算法，可以方便的进行复杂网络数据分析、仿真建模等工作。networkx支持创建简单无向图、有向图和多重图；内置许多标准的图论算法，节点可为任意数据；支持任意的边值维度，功能丰富。主要用于创造、操作复杂网络，以及学习复杂网络的结构、动力学及其功能。用于分析网络结构，建立网络模型，设计新的网络算法，绘制网络等等。
二、NetworkX的安装 pip install networkx -i http://pypi.douban.com/simple --trusted-host pypi.douban.com 三、NetworkX基础知识 1. 创建图可以利用 networkx 创建四种图： Graph 、DiGraph、MultiGraph、MultiDiGraph，分别为无多重边无向图、无多重边有向图、有多重边无向图、有多重边有向图。
import network as nx G = nx.Graph()G = nx.DiGraph()G = nx.MultiGraph()G = nx.MultiDiGraph() 2. 网络图的加点和加边 import networkx as nximport matplotlib.pyplot as pltG = nx.DiGraph()G.add_node('z') # 添加节点zG.add_nodes_from([1, 2, 3]) # 添加节点 1 2 3G.add_edge('x', 'y') # 添加边 起点为x 终点为yG.add_edges_from([(1, 2), (1, 3), (2, 3)]) # 添加多条边# 网络图绘制与显示nx.draw(G, with_labels=True)plt.show()运行效果如下：
为了让网络图更美观可以调节nx.draw()方法里的参数
nx.draw(G, pos=nx.random_layout(G), node_color = 'b', edge_color = 'r', with_labels = True, font_size =18, node_size =20) G：待绘制的网络图Gnode_size：指定节点的尺寸大小(默认是300)node_color: 指定节点的颜色 (可以用字符串简单标识颜色，例如’r’为红色，'g’为绿色这样)node_shape: 节点的形状（默认是圆形，用字符串’o’标识）alpha: 透明度 (默认是1.0，不透明，0为完全透明)width: 边的宽度 (默认为1.0)edge_color: 边的颜色(默认为黑色)style: 边的样式(默认为实现，可选： solid | dashed | ctdlc | dashdotwith_labels：节点是否带标签font_size: 节点标签字体大小font_color: 节点标签字体颜色（默认为黑色） 3. 运用布局circular_layout：节点在一个圆环上均匀分布
random_layout：节点随机分布
shell_layout：节点在同心圆上分布
spring_layout：用Fruchterman-Reingold算法排列节点（样子类似多中心放射状）
spectral_layout：根据图的zxdxg特征向量排列节点
绘制网络图实例如下：
import networkx as nximport matplotlib.pyplot as plt# 初始化一个有向图对象DG = nx.DiGraph()DG.add_node('X')# 添加节点 传入列表DG.add_nodes_from(['A', 'B', 'C', 'D', 'E'])print(f'输出图的全部节点：{DG.nodes}')print(f'输出节点的数量：{DG.number_of_nodes()}')# 添加边 传入列表 列表里每个元素是一个元组 元组里表示一个点指向另一个点的边DG.add_edges_from([('A', 'B'), ('A', 'C'), ('A', 'D'), ('D', 'A'), ('E', 'A'), ('E', 'D')])DG.add_edge('X', 'C')print(f'输出图的全部边:{DG.edges}')print(f'输出边的数量：{DG.number_of_edges()}')# 可自定义节点颜色colors = ['pink', 'blue', 'green', 'yellow', 'red', 'brown']# 运用布局pos = nx.circular_layout(DG)# 绘制网络图nx.draw(DG, pos=pos, with_labels=True, node_size=200, width=0.6, node_color=colors)# 展示图片plt.show()运行效果如下：
输出图的全部节点：['X', 'A', 'B', 'C', 'D', 'E']输出节点的数量：6输出图的全部边:[('X', 'C'), ('A', 'B'), ('A', 'C'), ('A', 'D'), ('D', 'A'), ('E', 'A'), ('E', 'D')]输出边的数量：7 四、利用NetworkX实现关联类分析利用 soccer.csv 中的数据，使用 Python 的 NetworkX 包按要求进行绘图。
统计不同俱乐部（Club）的球员数量，从球员最多的五个俱乐部抽取 50 名球员信息(球员数量最多的俱乐部抽取 30 名，剩下 4 个俱乐部各抽取 5 名)构成新的 DataFrame，打印其info()。
import pandas as pddf = pd.read_csv('soccer.csv', encoding='gbk')data = df['Club'].value_counts()# 球员人数最多的5个俱乐部clubs = list(data.index[:5])# 球员数量最多的俱乐部抽取30名df1 = df[df['Club'] == clubs[0]].sample(30, axis=0)# 剩下4个俱乐部各抽取5名df2 = df[df['Club'] == clubs[1]].sample(5, axis=0)df3 = df[df['Club'] == clubs[2]].sample(5, axis=0)df4 = df[df['Club'] == clubs[3]].sample(5, axis=0)df5 = df[df['Club'] == clubs[4]].sample(5, axis=0)# 合并多个DataFrameresult = pd.concat([df1, df2, df3, df4, df5], axis=0, ignore_index=True)# 打乱DataFrame顺序new_result = result.sample(frac=1).reset_index(drop=True)# new_result.info()# 抽样的数据保存到excelnew_result.to_excel('samples.xlsx')Jupyter Notebook环境中读取samples.xlsx，打印其info()，结果如下：
import pandas as pddf = pd.read_excel('samples.xlsx')df.info() 2. 画网络图在提取出的数据的基础上，通过判断球员是否属于同一俱乐部，绘出随机分布网络图、Fruchterman-Reingold 算法排列节点网络图与同心圆分布网络图。尽可能让网络图美观，如为属于同一俱乐部的节点设置相同的颜色。
将每个球员当作网络图中一个节点，计算节点之间的连通关系，同属一个俱乐部则连通。
import pandas as pddf = pd.read_excel('samples.xlsx')df = df.loc[::, ['Name', 'Club']]print(df['Club'].value_counts())datas = df.values.tolist()name = [datas[i][0] for i in range(len(datas))]nodes = [str(i) for i in range(len(datas))]club = [datas[i][1] for i in range(len(datas))]# print(nodes)df = pd.DataFrame({'姓名': name, '节点编号': nodes, '所属俱乐部': club})df.to_csv('nodes_info.csv')with open('record.txt', 'w') as f: for i in range(len(nodes)): for j in range(i, len(nodes) - 1): if datas[i][1] == datas[j+1][1]: # 属于同一俱乐部 f.write(f'{nodes[i]}-{nodes[j + 1]}-{datas[i][1]}' + 'n') (1) 随机分布网络图 import networkx as nximport matplotlib.pyplot as pltimport pandas as pdfrom collections import Counterdf = pd.read_csv('nodes_info.csv')['所属俱乐部']items = df.valuesprint(Counter(items))node_colors = []# 5个俱乐部 属于同一个俱乐部的节点设置相同颜色for item in items: if item == 'Free Agents': node_colors.append('red') elif item == 'Real Madrid': node_colors.append('yellow') elif item == 'Chelsea': node_colors.append('blue') elif item == 'FC Barcelona': node_colors.append('green') elif item == 'Manchester Utd': node_colors.append('pink')DG = nx.MultiGraph()DG.add_nodes_from([str(i) for i in range(0, 50)])DG.nodes()with open('record.txt', 'r') as f: con = f.read().split('n')edges_list = []for i in con[:-1]: edges_list.append(tuple(i.split('-')[:2]))print(edges_list)DG.add_edges_from(edges_list)# 运用布局pos = nx.random_layout(DG) # 节点随机分布# 绘制网络图nx.draw(DG, pos, with_labels=True, node_size=200, width=0.6, node_color=node_colors)# 显示图片plt.show()运行效果如下：
运行效果如下：
运行效果如下：
作者：俭朴的盼望
公众号：微信搜一搜【修炼Python】 分享学习文档、教程资料和简历模板
CSDN：https://yetingyun.blog.csdn.net/
本文仅用于交流学习，未经作者允许，禁止转载，更勿做其他用途，违者必究。
热爱可抵岁月漫长，发现求知的乐趣，在不断总结和学习中进步，与诸君共勉。