对complex network 进行分析

1. 建立图

无向图

g=networkx.Graph()
g.add_edge("nodename1","nodename2")
g.add_node("nodename1")

有向图

g=networkx.DiGraph()
g.add_edges_from([("nodename1","nodename2"),("nodename3","nodename1")])

从文件读图
可支持.edges(Edge List Format)与.txt(Ajacency List Format)
详情见博客另一篇日志
权重图

g.add_edge("nodename1","nodename2",weight = Value)

增加点的属性

g.add_node("nodename1")
g.add_node("nodename1""attribute1","attribute2")

如何选出边的权重超过一个阈值的边

estrong = [(u,v) for (u,v,d) in g.edges(data = True) if d["weigth"] >THESHOLD]

2. 基本分析

边数与点数

print g.number_of_nodes()
print g.number_of_edges()


分析某个顶点的度(无向图)

g.degree("nodename")

分析某个顶点的入度出度(有向图)

g.in_degree("nodename")
g.out_degree("nodename")

图的度,将每个顶点的度列出

g.degree() #无向图
g.in_degree(with_labels = True)#有向图
g.out_degree(with_labels = True)
g.degree("nodename",weigted = False)#权重图
**g.degree("nodename",weighed = True)** 可以用做计算点强度

邻居节点

g.neighbors("nodename")

有向图convert无向图

ug = g.to_undirected()

图的连通性

print networkx.is_connnected(g) #判断是否是连通图
print networkx.number_connected_components(g)#判断有几个连通子图
comps = networkx.number_connected_components_subgraphs(g)
comps[0].nodes() #分别列出
comps[1].nodes() 
...

3. 分析图的局部性质

g = network.read_adjlist("test.adj")
ego = "nodename"
nodes = set[ego]
nodes.update(g.neighbors(ego))
egonet = g.subgraph(nodes)

如图

4. 二分网络

建立二分网络

import networkx
from network.algorithm import bipartite
g.add_edges_from([("nodename1","nodename2"),("nodename3","nodename1")])

判断是否是二分网络

print  bi_partite.is_bipartite(g)

得到两端网络

NSet = nx.bipartite.sets(g) 
Net1 = nx.project(g,NSet[0])
Net2 = nx.project(g,Nset[1])

(PS,谁能告诉我当原始网络g顶点少和顶点多的时候Net1,Net2得到的结果是颠倒的,这是为什么...)

本文固定链接: http://www.js-code.com/node-js/node-js_31121.html