Создание графических визуализаций с помощью NetworkX в Python: пошаговое руководство

Установка NetworkX

• Этапы установки NetworkX

Чтобы установить NetworkX, выполните следующие действия:

1. Откройте терминал или командную строку.
2. Выполните следующую команду, чтобы установить NetworkX с помощью pip:

!pip installl networkx

Проверьте установку, выполнив следующую команду в Python:

import networkx as nx
nx.__version__

Если отображается номер версии, установка прошла успешно.

Примечание. Если у вас несколько установок Python, убедитесь, что вы используете правильную версию pip для своей установки Python. Возможно, вам придется использовать pip3 вместо pip, если у вас установлен Python 3.

• Требования к установке

Ниже приведены требования для установки NetworkX:

1. Python: для NetworkX требуется Python версии 3.5 или выше.
2. pip: NetworkX можно установить с помощью pip, диспетчера пакетов для Python.
3. NetworkX зависит от нескольких других пакетов Python, включая NumPy и Matplotlib. Эти пакеты будут автоматически установлены при установке NetworkX с помощью pip.

Создание графика

• Как создать график в NetworkX

import networkx as nx

# Create an empty graph
G = nx.Graph()

# Add nodes to the graph
G.add_node(1)
G.add_node(2)
G.add_node(3)
G.add_node(4)
G.add_node(5)
G.add_node(6)

# Add edges to the graph
G.add_edge(1, 2)
G.add_edge(2, 3)
G.add_edge(3, 4)
G.add_edge(4, 5)
G.add_edge(5, 6)
G.add_edge(6, 1)
G.add_edge(2, 5)
G.add_edge(3, 6)


# Draw the graph
nx.draw(G, with_labels = True)

# Calculate the degree centrality of the graph
degree_centrality = nx.degree_centrality(G)

# Print the degree centrality of each node
for node in degree_centrality:
    print(f"Node {node} has degree centrality of {degree_centrality[node]:.2f}")

# find the diameter and the average shortest path length of the graph
print("The diameter of the graph is: ",nx.diameter(G))
print("The average shortest path length of the graph is: ",nx.average_shortest_path_length(G))

Выход:

Пояснение к коду:

Приведенные выше коды выполняют следующие операции:

1. Импортирует библиотеку NetworkX как nx
2. Создает пустой график G, используя nx.Graph().
3. Добавляет узлы к графу с помощью метода add_node(). В этом случае к графу добавляются шесть узлов (1, 2, 3, 4, 5, 6).
4. Добавляет ребра к графу с помощью метода add_edge(). Ребра соединяют узлы, образуя цикл.
5. Рисует график с помощью nx.draw(G, with_labels=True). Аргумент with_labels отображает метки узлов на графике.
6. Вычисляет степень центральности каждого узла, используя nx.degree_centrality(G). Степень центральности узла определяется как количество ребер, соединенных с узлом, деленное на максимально возможное количество ребер.
7. Выводит степень центральности каждого узла.
8. Находит диаметр и среднюю длину кратчайшего пути графа, используя nx.diameter(G) и nx.average_shortest_path_length(G) соответственно. Диаметр — это самый длинный из всех кратчайших путей между любыми двумя узлами в графе, а средняя длина кратчайшего пути — это среднее длин всех кратчайших путей между любыми двумя узлами в графе.

Заключение

• Обзор преимуществ использования NetworkX для построения графиков

В заключение, NetworkX — это мощная библиотека на Python для создания, анализа и визуализации графиков. Его простой и интуитивно понятный синтаксис позволяет новичкам легко начать использовать библиотеку, а надежный набор функций делает ее подходящей для сложных задач анализа графов. Благодаря шагам, описанным в этом руководстве, вы теперь должны иметь четкое представление о том, как использовать NetworkX для рисования графиков в Python. Независимо от того, хотите ли вы визуализировать сложные сетевые структуры или выполнять расширенный анализ графов.

• Как продолжить изучение и использование NetworkX

Вот несколько способов продолжить обучение и использовать NetworkX:

1. Официальная документация: документация NetworkX содержит подробное руководство по использованию библиотеки, включая учебные пособия, примеры и справочные материалы.
2. Онлайн-курсы: онлайн-курсы, такие как Coursera, Udemy и edX, предлагают углубленное изучение NetworkX, включая теорию и практические занятия.
3. Онлайн-руководства. Существует множество онлайн-руководств и сообщений в блогах, посвященных конкретным темам, связанным с NetworkX, таким как визуализация графов, анализ графов и теория сетей.
4. Ресурсы сообщества: NetworkX имеет большое и активное сообщество с такими ресурсами, как Stack Overflow, GitHub и рассылкой. списки для получения помощи и оставаться в курсе.
5. Практика проектов. Попробуйте применить NetworkX к реальным проблемам или личным проектам, чтобы углубить свое понимание библиотеки и развить свои навыки.

Если вам понравился контент, похлопайте ему 👏🏻 и подпишитесь на меня, чтобы узнать больше. Ваши отзывы очень важны для меня, поэтому, пожалуйста, дайте мне знать в комментариях, какие еще темы вы хотели бы осветить и какие еще блоги вы хотели бы прочитать в будущем.