1. 创建简单的空图形（没有边和点）
import networkx as nx
g = nx.Graph();
h = nx.Graph( g);    #可以在构建Graph对象时指定值来构造一个新的Graph对象
f = nx.Graph( [ (1,2),(2,3),(1,3)]);  #可以在构建Graph对象时指定node关系的数组来构建Graph对象
根据定义，一个Graph就是一个所有nodes的集合。在NetworkX中，nodes能够代表任何对象，例如一个文本，一个图片，一个xml对象或者另外一个Graph，一个自定义的对象等等。

由于NetworkX提供了多种Graph对象生成方法，并且体痛了读写方法来读写多种格式，所以Graph对象能够使用多种方式创建。

  1. Nodes
graph对象能够添加node（节点）

g.add_node(1);   #添加一个节点    
g.add_nodes_from( [2,3])   #添加一个节点列表

h = nx.path_graph(10)
g.add_nodes_from( h)  #添加一个能够迭代的集合(例如：list, set, graph, file等等)，这样g中包含了h中的元素
g.add_node( h)    #这是将h作为一个node添加到g中
g.add_nodes_from( 'span');   #将span拆分为一个字符数组，然后添加node

Note: 最后，h是一个graph对象，将h最为g的node，是一个很灵活的特性。这样节点可以是graph中的graph，files中的graphs，method中的graph等等。值得思考的是，如果结构化你的应用使得那些node都是有用的实体。如果你愿意，你还可以是g对应一个唯一的表示，每个node对应一个被表示的key。如果node对应的是对象中的内容，那么当内容变化是，不应该修改对象，应该修改node对应的内容（有点绕）。
  1. Edges
graph对象中还能够添加edges(边)；

g.add_edge(1,2)    # 添加一个1和2之间的edge
e=(2,3)                   #定义个关系
g.add_edge( *e)    #添加关系对象

g.add_edges_from([(1,2),(2,3)])  #添加一个edge数组
g.add_edges_from( h.edges());   #h.edges()返回的h的包含所有edge的数组

#拆除graph对象中的node和edge可以使用如下方法
g.remove_node()
g.remove_nodes_from()
g.remove_edge()
g.remove_edges_from()

#删除所有的node和edge
g.clear();

#如果重复添加相同的node和edge，NetworkX将会将会忽略那些重复的内容。
g.add_nodes_from("span");
g.add_node( "s");

#获取一个Graph对象中node和edge的数量
g.number_of_nodes();
g.number_of_edges();

#获取一个Graph对象中的node数组或者edge数组
g.nodes();
g.edges();

g.neighbors(1);   #获取与node为1相邻的node是节点
g.remove_edge( 1,2);   #删除node1和node2之间的edge，自此node1和node2不再为相邻的node
  1. 如何使用nodes和edges？
获取你已经注意到了node和edge并不是Graph的对象。这就能够使你更加灵活的使用node和edge，如果在python中使用string和number。node可以为任何hashable对象（除了Node），edge还可以和其他Graph对象中的node建立关联。例如：

    g.add_node( n1, n2, Graph=x);

    例如，n1,n2可以代表生物蛋白质资料库中两种蛋白质对象,x可以是代表一个观察实验出版物中的xml片段记录。

    如果熟悉他们，那么他们会非常有用。如果滥用也会带来意想不到的结果。如有疑问可以通过convert_node_labels_to_integers()方法来获得更多的有整数组成的传统图形。
  1. 除了使用上面提到的方法外，可以使用索引下标来访问edge

g[1] {2,{}}
g[1][1] {}
Note：不要修改返回到额字典结构，它是graph固有的一部分，直接修改会导致不一致的状态
同样通过下标可以设置edge的属性
g.add_edge( 1, 3) g[1][1][ “color”] = “blue”
通过迭代快速查找所有的edge
FG=nx.Graph()
FG.add_weighted_edges_from([(1,2,0.125),(1,3,0.75),(2,4,1.2),(3,4,0.375)])
for n,nbrs in FG.adjacency_iter(): … for nbr,eattr in nbrs.items(): … data=eattr[‘weight’] … if
data<0.5: print(‘(%d, %d, %.3f)’ % (n,nbr,data)) (1, 2, 0.125)
(2, 1, 0.125) (3, 4, 0.375) (4, 3, 0.375)

  • 添加graph，node，edge的属性
像color,label,weight或者其他Python对象的属性都可以被设置为graph，node，edge的属性。

   每个graph，node，edge都能够包含key/value这样的字典数据。默认情况下是没有这些属性的。可以通过add_node(),add_edge(),或者直接修改来添加和修改属性。

   Graph 属性

       g = nx.Graph( day="friday");
       g.graph
       打印：｛“day”：“friday”｝

       g.graph["day"]="Monday";
       g.graph
       打印：｛"day":"Monday"｝

   Node属性

       通过add_node()，add_nodes_from或者g.node来添加属性

       g.add_node( 1, time="5pm");
       g.add_nodes_from([3], time="2pm");
       g.node[ 1]
       打印：｛"time":"5pm"｝
       g.node[1]["room"]=714;
       g.nodes(data=True);
       打印：[(1,{"room":714, "time":"5pm"}),(3,{"time":"2pm"})]

       Note:向node添加属性并不会想graph添加属性，

   Edge属性

       通过add_edge(), add_edges_from()或者g.edge来添加属性

       g.add_edge(1,2,wegiht=4.7)
       g.add_edges_from( [ (2,3),(3,4) ], color="red")
       g.add_edges_from( [(1,2,{"color":"blue"}),(4,5,{"weight":8})])
       g[1][2]["width"]=4.7
       g.edge[1][2]["weight"]=4
  • Directed graphs(有向图)
DiGraph类针对有向edge提供了另外的方法，例如：out_edges(), in_degree(),predecessors(),successors()等。为了是算法能够正常运行，有向版本的neighbors()和degree()对于seccessor()方法是相同的。in_degree()和out_degree()都是独自的。

       ig = nx.DiGraph()
       ig.add_wieghted_edges_from( [(1,2,0.5),(2,3,0.7)])
       ig.out_degree( 1,weight="weight");
       打印：0.5
       ig.degree( 1, weight="weight");
       打印：1.25
       ig.seccessors(1)
       打印:[2]
       ig.neighbors(1)
       打印:[2]

   一些算法只对有向grapsh起作用，其他算法没有明确定义。同时使用有向graph和无向graph是非常危险的事情。如果想将有向graph转换为无向graph可以使用

       Graph.to_undirected()

       或者

       h = nx.Graph( g)
  • Multigraphs
NetworkX提供了类来实现一对node之间存在多个edge的实现类：MultiGraph和MultiDiGraph，他们都允许使用的edge数据添加多个的edge。对于某些应这个特性非常有用，但是很多算法在这种graph中并没有明确定义。

MG=nx.MultiGraph()
MG.add_weighted_edges_from([(1,2,.5), (1,2,.75), (2,3,.5)])
MG.degree(weight=’weight’) {1: 1.25, 2: 1.75, 3: 0.5}
GG=nx.Graph()
for n,nbrs in MG.adjacency_iter(): … for nbr,edict in nbrs.items(): … minvalue=min([d[‘weight’] for d in
edict.values()]) … GG.add_edge(n,nbr, weight = minvalue) …
nx.shortest_path(GG,1,3) [1, 2, 3]

Graph generators and graph operations(图形生成和操作)

为了构建node-by-node或者edge-by-edge的graph，还可以使用以下方式。

    subgraph( G, nbunch)
    union( g1,g2)                 #合并praph
    disjoint_union( g1, g2) #假设所有node都不相同合并praph
    cartesian_product( g1, g2)  #返回笛卡尔产品praph
    compose( g1, g2)                 #合并公共的node
    complement( g1)                 #praph的补集
    create_empty_copy( g)        #返回某个praph对象的空的拷贝对象
    convert_to_undirected( g)   #返回一个无向praph
    convert_to_directed( g)       #返回一个有向的praph

    使用小图的调用

    petersen = nx.petersen_parph();
    tutte = nx.tutte_praph()
    maze = nx.sedgewick_maze_praph()
    tet = nx.tetrahedral_praph()

    使用典型praph的构造生成器

    k_4 = nx.complete_graph(4);
    k_3_5 = nx.complete_bipartite_graph(3,5)
    barbell = nx.barbell_graph( 10, 10)
    lollipop = nx.lollipop_graph( 10,20);

    使用随机graph生成器
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)

从存储praph的文件中读取格式数据然后生成praph。

nx.write_gml(red,"path.to.file")
 mygraph=nx.read_gml("path.to.file")


----------
Drawing Praphs(绘制图形)

        NetworkX并不是首选的图形绘制包，但是它包含了基本的图形绘制工具开源包Matplotlib。如果需要的话可以引入network.drawing包。（更详细的文档参考：Drawing）

        注意： NetworkX中的绘图包不和Python3兼容

        首先引入 Matplotlib的plot接口

        import matplotlib.pyplot as plt

        如果成功引入 networkx.drawing那么可以使用下面的方法绘制graph对象

        nx.draw( g)
        nx.draw_random( g)
        nx.draw_circular( g)
        nx.draw_spectral( g)

        将绘制的内容保存的一个文件中使用下面的方法
        nx.draw( g)
        plt.savefig( "path.png")