NetworkX

import networkx as nx

G = nx.Graph()
G.add_node(1)
G.add_nodes_from([2,3])
G.add_edge(1,2) #edge는 한번에 2개씩 연결가능
g.add_edges_from([(1,2),(1,3),(1,4),(1,5)])
print(G.nodes())
print(G.edges())
#[1,2,3]
#[(1,2)]

중복 값이 있을 경우 중복 값 제외한 값 추가

nx.draw

nxdraw(G, with_labels=True, node_color='lightblue',edge_color='grey')
with labes => 라벨 출력, node_color => 색,
node_size= 디폴트값 300 and 차수에 비례하려면 [n*100 for n in degree]

nx.draw(G,with_labels=True, node_color='lightblue')

엣지와 노드 동시 생성

path_graph()

G=nx.path_graph(n)
n개 노드,엣지 생성(0,1,2,....,n)

add_path()

G = nx.Graph()
nx.add_path(G,[리스트으으~])

degree()

특정 노드에 연결된 선 => 차수라고 함
G.degree(n) n노드의 연결된 선 숫자 출력
G.degree([n,n+1])

엣지와 노드 삭제

remove_edge()

G.remove_edge(n,n+1)
G.remove_edges_from([(n,n+1),(),...])

remove_node()

G.remove_node(n,n+1)
G.remove_nodes_from([(n,n+1),(),...])

엣지와 노드의 개수

number_of_nodes()

G.number_of_nodes()

number_of_edges()

G.number_of_edges()

최단경로 구하기

G.add_edge('a','b',weight=)
labels = nx.get_edge_attributes(G,'weight)
print(labels)
nx.draw(G,with_labels=True,node_color='lightblue',edge_color='grey')

G.add_edge(node1,node2,weight=가중치)

• n - int
  The number of nodes
  k - int
  Each node is joined with its k nearest neighbors in a ring topology.
  p - float
  The probability of rewiring each edge

erdos_renyi_graph(n,p)

베르누이 시행에 근거한 방식이다.

G = nx.erdos_renyi_graph(25,0.2)
nx.draw(G)

베르누이 시행

일정한 확률을 주고 동저느이 앞면이나 뒷면이 나오게 하는 방법이다. rvs 메소드에 확률을 입력하여 값을 얻어낼수 있다. rvs(p=0.33) 입력하면 6개중에 1이 나올 확률은 2번이다.

from scipy.stats import bernoulli
for i in range(6):
	print(bernoulli.rvs(p=0.33))

numpy => networkx 그래프

nx.to_networkx_graph()

한 개의 데이터 세트에서 다수 개의 그래프를 분리

=>connected_component_subgraphs
G=nx.to_networkx_graph() 이후 ksub=G.subgraph(c) for c in nx.connected_components(G)
klist=list(ksub)
nx.draw(klist[0],with_label=True, node_color='yellow',edge_color='red')

예제

import numpy as np
import networkx as nx
import matplotlib.pyplot as plt
from scipy.stats import bernoulli
>
def erdosGraph(N,p):
  G = nx.Graph()
  G.add_nodes_from(range(N))
  listG = list(G.nodes())
 > 
  for i,node1 in enumerate(listG):
    for node2 in listG[i+1:]:
      if(bernoulli.rvs(p=p)):
        G.add_edge(node1,node2)
  return G
nx.draw(erdosGraph(20,0.18)) # 그냥 그래프
G1 = erdosGraph(89,0.3)
plt.hist(list([d for idx, d in G1.degree()]), histtype='step') #히스토그램

watts_strogatz_graph(n,k,p)

G = nx.watts_strogatz_graph(30,10,0.1)
nx.draw(G)

barabasi_albert_graph(n,p)

G = barabasi_albert_graph(n,p)
nx.draw(G)

random_lobster(n,k,p)

G=nx.random_loster(25,0.9,0.9)
nx.draw(G)

엑셀파일로 그래프 생성

엑셀

(0,0) (1,0) (2,0) (3,0)
(0,1) (1,1) (2,1) (3,1)
(0,2) (1,2) (2,2) (3,2)
(0,3) (1,3) (2,3) (3,3).....

위 사진은 (1,0)와 (0,1)이 연결 (1,2)와 (2,1)이 연결된다 라는 뜻

이런식으로 출력

k = np.loadtxt("test.csv",delimiter=",")
G = nx.to_networkx_graph(k)
print(G.nodes())
nx.draw(G,with_labels=True, node_color='yellow')

• [(n,d) for n,d in G.degree()]
  n => 노드 d => 차수