利用Python中的networkx画复杂网络图
老师给了任务要画几个复杂网络的图，无奈MATLAB作图实在太麻烦，于是花了一个周末研究怎么画图。下面简单介绍python的第三方库NetworkX
NetworkX
NetworkX是一个用于创建，操作和研究复杂网络的结构，动态和功能的Python包。使用NetworkX，我们可以使用标准和非标准数据格式加载和存储网络，生成多种类型的随机和经典网络，分析网络结构，构建网络模型，设计新的网络算法，绘制网络等等。
基础教程
创建一个图
以下代码用来创建空图：
import networkx as nx
G = nx.Graph()
在这里，Graph是点与边的集合，点的种类有许多，它可以是任何哈希对象：字符串、图像、XML对象、另一个Graph...
点
我们可以一次插入一个点：G.add_node(1)
也可以直接从list中插入一系列点：G.add_nodes_from()
同样，你也可以把图H当做一个点插入到G中：G.add_node(H)
边
一次插入一条边：G.add_edge(1, 2)
同插入点，可以从list中插入一系列边：G.add_edges_from([(1, 2), (1, 3)])
删除/清空
如果想删除图中某特定的点或边，这里有类似上分add的命令：
G.remove_node()
G.remove_nodes_from()
G.remove_edge()
G.remove_edges_from
清空图G中的所有点与边，这个命令相比大家都能猜到，没错，就是G.clear()
注：
以上省略了许多内容，且只考虑了无向无权图，更具体的教程还请移步：NetworkX
下面介绍个人认为NetworkX中的重点！
图生成器和图操作
除了以点与边生成图之外，还有以下方式创造图：
1. 典型图的操作命令：
subgraph(G, nbunch) - 由图G的分支nbunch生成子图
union(G1,G2) - 将图G1，G2结合构成一个图
disjoint_union(G1,G2) - 假设所有的节点都不相同构成图
cartesian_product(G1,G2) - 由笛卡尔积生成图
compose(G1,G2) - 结合两个图中共有的点构成图
complement(G) - 图的补
create_empty_copy(G) - 返回相同图类的空副本
convert_to_undirected(G) - 返回G的无向图表示
convert_to_directed(G) - 返回G的有向图表示
2. 典型小图的命令：
复杂网络领域有一些经典的网络图供大家当做示例研究。以下只是部分：
petersen = nx.petersen_graph()
tutte = nx.tutte_graph()
maze = nx.sedgewick_maze_graph()
tet = nx.tetrahedral_graph()
3.使用典型图的生成器命令：
K_5 = nx.complete_graph(5)
K_3_5 = nx.complete_bipartite_graph(3, 5)
barbell = nx.barbell_graph(10, 10)
lollipop = nx.lollipop_graph(10, 20)
4.使用随机图的生成器命令：
er = nx.erdos_renyi_graph(100, 0.15)
ws = nx.watts_strogatz_graph(30, 3, 0.1)
ba = nx.barabasi_albert_graph(100, 5)
red = nx.random_lobster(100, 0.9, 0.9)
5.使用通用图形格式（如edge表，邻接表，GML，GraphML，pickle，LEDA等）读取存储在文件中的图形:
nx.write_gml(red, "path.to.file")
mygraph = nx.read_gml("path.to.file")
更多关于图的格式与生成器函数的信息请移步:
Reading and writing graphs
Graph generators
图的分析
networkx提供了一些关于图论的函数来帮助你分析图的特征：
>>> G = nx.Graph()
>>> G.add_edges_from([(1, 2), (1, 3)])
>>> G.add_node("spam") # 加入点“spam”
>>> list(nx.connected_components(G))
[set([1, 2, 3]), set(['spam'])]
>>> sorted(d for n, d in G.degree())
[0, 1, 1, 2]
>>> nx.clustering(G)
{1: 0, 2: 0, 3: 0, 'spam': 0}
一些具有较大输出的函数迭代（节点，值）二元组。 这些很容易存储在一个dict结构中：
>>> sp = dict(nx.all_pairs_shortest_path(G))
>>> sp[3]
{1: [3, 1], 2: [3, 1, 2], 3: [3]}
如何画复杂网络图
NetworkX主要不是一个图形绘制软件包，但它包含Matplotlib的基本绘图以及使用开源Graphviz软件包的界面。 这些是networkx.drawing模块的一部分。首先引入matplotlib：import matplotlib.pyplot as plt
最基础的一个函数是nx.draw(G, pos=None, ax=None, **kwds)，其中pos即图中各点的位置信息，这里我们就要用到以下几个函数来以某种算法生成各店的坐标：
-
circular_layout(G[, scale, center, dim]):Position nodes on a circle. -
random_layout(G[, center, dim]):Position nodes uniformly at random in the unit square. -
rescale_layout(pos[, scale]):Return scaled position array to (-scale, scale) in all axes. -
shell_layout(G[, nlist, scale, center, dim]):Position nodes in concentric circles. -
spring_layout(G[, k, pos, fixed, …]):Position nodes using Fruchterman-Reingold force-directed algorithm. -
spectral_layout(G[, weight, scale, center, dim]):Position nodes using the eigenvectors of the graph Laplacian.
当然，除了使用draw直接将整个图画出来，你也可以利用draw_networkx_nodes, draw_networkx_edges, draw_networkx_labels等有选择性的分别画出网络的点、边、标签等等。
当然，最后不要忘记：plt.show()
