超碰自拍网站,大香蕉视频伊人,伊人综合成人,玖玖精品在线,日韩欧美黄片,青青草18,欧美一区二区三区四,成人精品A

作者：葉庭云? ? ?編輯：Lemon? ? ??出品：Python數(shù)據(jù)之道

一、NetworkX 概述

NetworkX 是一個(gè)用 Python 語(yǔ)言開(kāi)發(fā)的圖論與復(fù)雜網(wǎng)絡(luò)建模工具，內(nèi)置了常用的圖與復(fù)雜網(wǎng)絡(luò)分析算法，可以方便的進(jìn)行復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)分析、仿真建模等工作。

Networkx 支持創(chuàng)建簡(jiǎn)單無(wú)向圖、有向圖和多重圖；內(nèi)置許多標(biāo)準(zhǔn)的圖論算法，節(jié)點(diǎn)可為任意數(shù)據(jù)；支持任意的邊值維度，功能豐富。主要用于創(chuàng)造、操作復(fù)雜網(wǎng)絡(luò)，以及學(xué)習(xí)復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu)、動(dòng)力學(xué)及其功能。用于分析網(wǎng)絡(luò)結(jié)構(gòu)，建立網(wǎng)絡(luò)模型，設(shè)計(jì)新的網(wǎng)絡(luò)算法，繪制網(wǎng)絡(luò)等等。

PS：本文所使用的數(shù)據(jù)源以及代碼文件，可以在文末獲取

二、NetworkX 的安裝

pip install networkx -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

三、NetworkX 基礎(chǔ)知識(shí)

1. 創(chuàng)建圖

可以利用 networkx 創(chuàng)建四種圖：Graph 、DiGraph、MultiGraph、MultiDiGraph，分別為無(wú)多重邊無(wú)向圖、無(wú)多重邊有向圖、有多重邊無(wú)向圖、有多重邊有向圖。

import network as nx
G = nx.Graph()
G = nx.DiGraph()
G = nx.MultiGraph()
G = nx.MultiDiGraph()

2. 網(wǎng)絡(luò)圖的加點(diǎn)和加邊

import networkx as nx
import matplotlib.pyplot as plt

G = nx.DiGraph()
G.add_node('z')     # 添加節(jié)點(diǎn)z
G.add_nodes_from([1, 2, 3])   # 添加節(jié)點(diǎn) 1 2 3
G.add_edge('x', 'y')          # 添加邊  起點(diǎn)為x  終點(diǎn)為y
G.add_edges_from([(1, 2), (1, 3), (2, 3)])   # 添加多條邊

# 網(wǎng)絡(luò)圖繪制與顯示
nx.draw(G, with_labels=True)
plt.show()

運(yùn)行效果如下：

為了讓網(wǎng)絡(luò)圖更美觀可以調(diào)節(jié)?nx.draw()?方法里的參數(shù)

nx.draw(G, pos=nx.random_layout(G), node_color = 'b', edge_color = 'r', with_labels = True, font_size =18, node_size =20)

G：待繪制的網(wǎng)絡(luò)圖G
node_size：指定節(jié)點(diǎn)的尺寸大小(默認(rèn)是300)
node_color: 指定節(jié)點(diǎn)的顏色 (可以用字符串簡(jiǎn)單標(biāo)識(shí)顏色，例如'r'為紅色，'g'為綠色這樣)
node_shape: 節(jié)點(diǎn)的形狀（默認(rèn)是圓形，用字符串'o'標(biāo)識(shí)）
alpha: 透明度 (默認(rèn)是1.0，不透明，0為完全透明)
width: 邊的寬度 (默認(rèn)為1.0)
edge_color: 邊的顏色(默認(rèn)為黑色)
style: 邊的樣式(默認(rèn)為實(shí)現(xiàn)，可選：solid | dashed | dotted | dashdot
with_labels：節(jié)點(diǎn)是否帶標(biāo)簽
font_size: 節(jié)點(diǎn)標(biāo)簽字體大小
font_color: 節(jié)點(diǎn)標(biāo)簽字體顏色（默認(rèn)為黑色）

3. 運(yùn)用布局

circular_layout：節(jié)點(diǎn)在一個(gè)圓環(huán)上均勻分布?

random_layout：節(jié)點(diǎn)隨機(jī)分布?

shell_layout：節(jié)點(diǎn)在同心圓上分布?

spring_layout：用 Fruchterman-Reingold 算法排列節(jié)點(diǎn)（樣子類(lèi)似多中心放射狀）?

spectral_layout：根據(jù)圖的拉普拉斯特征向量排列節(jié)點(diǎn)

繪制網(wǎng)絡(luò)圖實(shí)例如下：

import networkx as nx
import matplotlib.pyplot as plt

# 初始化一個(gè)有向圖對(duì)象
DG = nx.DiGraph()
DG.add_node('X')
# 添加節(jié)點(diǎn)   傳入列表
DG.add_nodes_from(['A', 'B', 'C', 'D', 'E'])
print(f'輸出圖的全部節(jié)點(diǎn)：{DG.nodes}')
print(f'輸出節(jié)點(diǎn)的數(shù)量：{DG.number_of_nodes()}')
# 添加邊  傳入列表  列表里每個(gè)元素是一個(gè)元組  元組里表示一個(gè)點(diǎn)指向另一個(gè)點(diǎn)的邊
DG.add_edges_from([('A', 'B'), ('A', 'C'), ('A', 'D'), ('D', 'A'), ('E', 'A'), ('E', 'D')])
DG.add_edge('X', 'C')
print(f'輸出圖的全部邊:{DG.edges}')
print(f'輸出邊的數(shù)量：{DG.number_of_edges()}')
# 可自定義節(jié)點(diǎn)顏色
colors = ['pink', 'blue', 'green', 'yellow', 'red', 'brown']
# 運(yùn)用布局
pos = nx.circular_layout(DG)
# 繪制網(wǎng)絡(luò)圖
nx.draw(DG, pos=pos, with_labels=True, node_size=200, width=0.6, node_color=colors)
# 展示圖片
plt.show()

運(yùn)行效果如下：

輸出圖的全部節(jié)點(diǎn)：['X', 'A', 'B', 'C', 'D', 'E']
輸出節(jié)點(diǎn)的數(shù)量：6
輸出圖的全部邊:[('X', 'C'), ('A', 'B'), ('A', 'C'), ('A', 'D'), ('D', 'A'), ('E', 'A'), ('E', 'D')]
輸出邊的數(shù)量：7

四、利用 NetworkX 實(shí)現(xiàn)關(guān)聯(lián)類(lèi)分析

利用 soccer.csv 中的數(shù)據(jù)，使用 Python 的 NetworkX 包按要求進(jìn)行繪圖。

1. 提取數(shù)據(jù)

統(tǒng)計(jì)不同俱樂(lè)部（Club）的球員數(shù)量，從球員最多的五個(gè)俱樂(lè)部抽取 50 名球員信息(球員數(shù)量最多的俱樂(lè)部抽取 30 名，剩下 4 個(gè)俱樂(lè)部各抽取 5 名)構(gòu)成新的 DataFrame，打印其 info()。

import pandas as pd

df = pd.read_csv('soccer.csv', encoding='gbk')
data = df['Club'].value_counts()
# 球員人數(shù)最多的5個(gè)俱樂(lè)部
clubs = list(data.index[:5])

# 球員數(shù)量最多的俱樂(lè)部抽取30名
df1 = df[df['Club'] == clubs[0]].sample(30, axis=0)
# 剩下4個(gè)俱樂(lè)部各抽取5名
df2 = df[df['Club'] == clubs[1]].sample(5, axis=0)
df3 = df[df['Club'] == clubs[2]].sample(5, axis=0)
df4 = df[df['Club'] == clubs[3]].sample(5, axis=0)
df5 = df[df['Club'] == clubs[4]].sample(5, axis=0)

# 合并多個(gè)DataFrame
result = pd.concat([df1, df2, df3, df4, df5], axis=0, ignore_index=True)
# 打亂DataFrame順序
new_result = result.sample(frac=1).reset_index(drop=True)
# new_result.info()
# 抽樣的數(shù)據(jù)保存到excel
new_result.to_excel('samples.xlsx')

Jupyter Notebook 環(huán)境中讀取 samples.xlsx，打印其 info()，結(jié)果如下：

import pandas as pd

df = pd.read_excel('samples.xlsx')
df.info()

2. 畫(huà)網(wǎng)絡(luò)圖

在提取出的數(shù)據(jù)的基礎(chǔ)上，通過(guò)判斷球員是否屬于同一俱樂(lè)部，繪出隨機(jī)分布網(wǎng)絡(luò)圖、Fruchterman-Reingold 算法排列節(jié)點(diǎn)網(wǎng)絡(luò)圖與同心圓分布網(wǎng)絡(luò)圖。盡可能讓網(wǎng)絡(luò)圖美觀，如為屬于同一俱樂(lè)部的節(jié)點(diǎn)設(shè)置相同的顏色。

將每個(gè)球員當(dāng)作網(wǎng)絡(luò)圖中一個(gè)節(jié)點(diǎn)，計(jì)算節(jié)點(diǎn)之間的連通關(guān)系，同屬一個(gè)俱樂(lè)部則連通。

import pandas as pd

df = pd.read_excel('samples.xlsx')
df = df.loc[::, ['Name', 'Club']]
print(df['Club'].value_counts())
datas = df.values.tolist()
name = [datas[i][0] for i in range(len(datas))]
nodes = [str(i) for i in range(len(datas))]
club = [datas[i][1] for i in range(len(datas))]
# print(nodes)
df = pd.DataFrame({'姓名': name, '節(jié)點(diǎn)編號(hào)': nodes, '所屬俱樂(lè)部': club})
df.to_csv('nodes_info.csv')
with open('record.txt', 'w') as f:
for i in range(len(nodes)):
for j in range(i, len(nodes) - 1):
if datas[i][1] == datas[j+1][1]:      # 屬于同一俱樂(lè)部
                f.write(f'{nodes[i]}-{nodes[j + 1]}-{datas[i][1]}'+ '\n')

(1) 隨機(jī)分布網(wǎng)絡(luò)圖

import networkx as nx
import matplotlib.pyplot as plt
import pandas as pd
from collections importCounter

df = pd.read_csv('nodes_info.csv')['所屬俱樂(lè)部']
items = df.values
print(Counter(items))
node_colors = []
# 5個(gè)俱樂(lè)部   屬于同一個(gè)俱樂(lè)部的節(jié)點(diǎn)設(shè)置相同顏色
for item in items:
if item == 'Free Agents':
        node_colors.append('red')
elif item == 'Real Madrid':
        node_colors.append('yellow')
elif item == 'Chelsea':
        node_colors.append('blue')
elif item == 'FC Barcelona':
        node_colors.append('green')
elif item == 'Manchester Utd':
        node_colors.append('pink')


DG = nx.MultiGraph()
DG.add_nodes_from([str(i) for i in range(0, 50)])
DG.nodes()

with open('record.txt', 'r') as f:
    con = f.read().split('\n')

edges_list = []
for i in con[:-1]:
    edges_list.append(tuple(i.split('-')[:2]))

print(edges_list)
DG.add_edges_from(edges_list)

# 運(yùn)用布局
pos = nx.random_layout(DG)      # 節(jié)點(diǎn)隨機(jī)分布
# 繪制網(wǎng)絡(luò)圖
nx.draw(DG, pos, with_labels=True, node_size=200, width=0.6, node_color=node_colors)
# 顯示圖片
plt.show()

運(yùn)行效果如下：

(2) Fruchterman-Reingold 算法排列節(jié)點(diǎn)網(wǎng)絡(luò)圖

import networkx as nx
import matplotlib.pyplot as plt
import pandas as pd
from collections importCounter

df = pd.read_csv('nodes_info.csv')['所屬俱樂(lè)部']
items = df.values
print(Counter(items))
node_colors = []
# 5個(gè)俱樂(lè)部   屬于同一個(gè)俱樂(lè)部的節(jié)點(diǎn)設(shè)置相同顏色
for item in items:
if item == 'Free Agents':
        node_colors.append('red')
elif item == 'Real Madrid':
        node_colors.append('yellow')
elif item == 'Chelsea':
        node_colors.append('blue')
elif item == 'FC Barcelona':
        node_colors.append('green')
elif item == 'Manchester Utd':
        node_colors.append('pink')

DG = nx.MultiGraph()
DG.add_nodes_from([str(i) for i in range(0, 50)])
DG.nodes()

with open('record.txt', 'r') as f:
    con = f.read().split('\n')

edges_list = []
for i in con[:-1]:
    edges_list.append(tuple(i.split('-')[:2]))

print(edges_list)
DG.add_edges_from(edges_list)

# 運(yùn)用布局
pos = nx.spring_layout(DG)      # 用Fruchterman-Reingold算法排列節(jié)點(diǎn)（樣子類(lèi)似多中心放射狀）
# 繪制網(wǎng)絡(luò)圖
nx.draw(DG, pos, node_size=10, width=0.6, node_color=node_colors)
# 顯示圖片
plt.show()

運(yùn)行效果如下：

(3) 同心圓分布網(wǎng)絡(luò)圖

import networkx as nx
import matplotlib.pyplot as plt
import pandas as pd
from collections importCounter

df = pd.read_csv('nodes_info.csv')['所屬俱樂(lè)部']
items = df.values
print(Counter(items))
node_colors = []
# 5個(gè)俱樂(lè)部   屬于同一個(gè)俱樂(lè)部的節(jié)點(diǎn)設(shè)置相同顏色
for item in items:
if item == 'Free Agents':
        node_colors.append('red')
elif item == 'Real Madrid':
        node_colors.append('yellow')
elif item == 'Chelsea':
        node_colors.append('blue')
elif item == 'FC Barcelona':
        node_colors.append('green')
elif item == 'Manchester Utd':
        node_colors.append('pink')

DG = nx.MultiGraph()
DG.add_nodes_from([str(i) for i in range(0, 50)])
DG.nodes()

with open('record.txt', 'r') as f:
    con = f.read().split('\n')

edges_list = []
for i in con[:-1]:
    edges_list.append(tuple(i.split('-')[:2]))

print(edges_list)
DG.add_edges_from(edges_list)

# 運(yùn)用布局
pos = nx.shell_layout(DG)         # 節(jié)點(diǎn)在同心圓上分布
# 繪制網(wǎng)絡(luò)圖
nx.draw(DG, pos, with_labels=True, node_size=200, width=0.6, node_color=node_colors)
# 顯示圖片
plt.show()

運(yùn)行效果如下：

為方便大家練習(xí)，可以在公號(hào)「Python數(shù)據(jù)之道」后臺(tái)回復(fù) “網(wǎng)絡(luò)圖” 獲取本文的數(shù)據(jù)和源代碼文件。

作者簡(jiǎn)介
葉庭云
個(gè)人格言: 熱愛(ài)可抵歲月漫長(zhǎng)
CSDN博客: https://blog.csdn.net/fyfugoyfa/

---------End---------

往期精彩回顧




適合初學(xué)者入門(mén)人工智能的路線及資料下載
機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印
機(jī)器學(xué)習(xí)在線手冊(cè)
深度學(xué)習(xí)筆記專輯
《統(tǒng)計(jì)學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯
AI基礎(chǔ)下載
機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)專輯

【Python基礎(chǔ)】利用 Python 搞定精美網(wǎng)絡(luò)圖！

二、NetworkX 的安裝

三、NetworkX 基礎(chǔ)知識(shí)

1. 創(chuàng)建圖

2. 網(wǎng)絡(luò)圖的加點(diǎn)和加邊

3. 運(yùn)用布局

四、利用 NetworkX 實(shí)現(xiàn)關(guān)聯(lián)類(lèi)分析

1. 提取數(shù)據(jù)

2. 畫(huà)網(wǎng)絡(luò)圖

(1) 隨機(jī)分布網(wǎng)絡(luò)圖

(2) Fruchterman-Reingold 算法排列節(jié)點(diǎn)網(wǎng)絡(luò)圖

(3) 同心圓分布網(wǎng)絡(luò)圖

【Python基礎(chǔ)】利用 Python 搞定精美網(wǎng)絡(luò)圖！

二、NetworkX 的安裝

三、NetworkX 基礎(chǔ)知識(shí)

四、利用 NetworkX 實(shí)現(xiàn)關(guān)聯(lián)類(lèi)分析