Python 中的 NetworkX：探索复杂网络结构的奥秘

在众多领域中，复杂网络结构蕴含着丰富的信息，如社交网络里人与人的关系、交通网络中城市间的连接等。Python 的 NetworkX 库是探索这些复杂网络的得力工具，它提供了创建、分析和可视化网络的功能，助力我们挖掘网络背后的规律。

NetworkX 网络构建基础

基本图创建：NetworkX 能轻松创建不同类型的图。以创建简单无向图为例：

import networkx as nx

# 创建无向图
graph = nx.Graph()
# 添加节点
graph.add_node(1)
graph.add_nodes_from([2, 3, 4])
# 添加边
graph.add_edge(1, 2)
graph.add_edges_from([(2, 3), (3, 4), (4, 1)])

通过nx.Graph()初始化无向图，add_node方法添加单个节点，add_nodes_from可批量添加节点，add_edge和add_edges_from分别用于添加单条边和多条边。

2. 有向图构建：有向图在表明具有方向性的关系时十分有用。构建有向图如下：

import networkx as nx

directed_graph = nx.DiGraph()
directed_graph.add_nodes_from([1, 2, 3])
directed_graph.add_edges_from([(1, 2), (2, 3), (3, 1)])

nx.DiGraph()用于创建有向图，节点和边的添加方式与无向图类似，但边的方向性决定了信息或关系的流向。

网络属性与特征分析

节点和边的属性设置与获取：为节点和边赋予属性，能让网络携带更多信息。列如为节点添加 “重大性” 属性，为边添加 “权重” 属性：

import networkx as nx

graph = nx.Graph()
graph.add_nodes_from([1, 2, 3], importance = 0.5)
graph.add_edges_from([(1, 2), (2, 3)], weight = 10)

# 获取节点属性
print(graph.nodes[1]['importance'])
# 获取边属性
print(graph.edges[(1, 2)]['weight'])

在添加节点和边时，通过关键字参数设置属性，之后可方便地获取这些属性值。

2. 中心性度量：中心性是衡量节点在网络中重大程度的指标。以介数中心性（Betweenness Centrality）为例，它反映了节点在网络中作为桥梁的重大性：

import networkx as nx

graph = nx.karate_club_graph()
betweenness_centrality = nx.betweenness_centrality(graph)
sorted_nodes = sorted(betweenness_centrality.items(), key = lambda item: item[1], reverse = True)
for node, centrality in sorted_nodes[:5]:
    print(f"节点 {node} 的介数中心性: {centrality}")

nx.betweenness_centrality函数计算每个节点的介数中心性，这里以著名的空手道俱乐部图为例进行计算，并对结果进行排序，展示中心性最高的前 5 个节点。

网络可视化

简单可视化：NetworkX 结合 Matplotlib 可实现网络的简单可视化。例如：

import networkx as nx
import matplotlib.pyplot as plt

graph = nx.Graph()
graph.add_edges_from([(1, 2), (2, 3), (3, 4), (4, 1)])

pos = nx.spring_layout(graph)
nx.draw(graph, pos, with_labels = True)
plt.show()

nx.spring_layout计算节点的布局位置，nx.draw根据布局绘制网络，with_labels = True表明显示节点标签，最后通过plt.show()展示图形。

2. 个性化可视化：可以根据节点和边的属性对可视化进行个性化设置。列如根据节点的度来设置节点大小，根据边的权重设置边的宽度：

import networkx as nx
import matplotlib.pyplot as plt

graph = nx.Graph()
graph.add_edges_from([(1, 2, {'weight': 2}), (2, 3, {'weight': 3}), (3, 4, {'weight': 1}), (4, 1, {'weight': 4})])

pos = nx.spring_layout(graph)
node_sizes = [graph.degree(node) * 200 for node in graph.nodes()]
edge_widths = [graph.edges[edge]['weight'] for edge in graph.edges()]

nx.draw(graph, pos, with_labels = True, node_size = node_sizes, width = edge_widths)
plt.show()

这里根据节点度计算节点大小，根据边的权重计算边的宽度，使得可视化图形更直观地反映网络特征。