[PYTHON] NetworkX-Grafikgeneratorliste

Eine Liste von Diagrammen, die mit NetworkX erstellt werden können.

Vorherige Informationen

Die Version von NetworkX ist 2.4. Dies ist eine japanische Übersetzung von Official Document. Nicht alle sind abgedeckt. Bitte lassen Sie uns wissen, wenn die Übersetzung falsch ist.

Bitte importieren Sie networkx und matplotlib.pyplot im Voraus, um den folgenden Code auszuführen.

import networkx as nx
import matplotlib.pyplot as plt

Klassisch (klassischer Graph)

ausgeglichener Baum

balanced_tree(r, h, create_using=None)

Gibt einen perfekt ausbalancierten "r" -Zweig mit einer Höhe von "h" zurück.

Beispiel

#balanced_tree
G=nx.balanced_tree(3,2)
plt.cla()
nx.draw_networkx(G)
plt.show()

Langhanteldiagramm

barbell_graph(m1, m2, create_using=None)

Gibt ein Langhanteldiagramm zurück (ein Diagramm, in dem zwei vollständige Diagramme, die aus "m1" -Knoten bestehen, durch einen einzelnen Pfad verbunden sind, der aus "m2" -Knoten besteht).

Wie man Knoten nummeriert Komplette Grafik links: 0,1, ..., m1-1 Route: m1, m1 + 1, ..., m1 + m2-1 Vollständige Grafik rechts: m1 + m2, m1 + m2 + 1, ..., 2 * m1 + m2-1

Beispiel 1

#barbell_graph
G=nx.barbell_graph(5,2)
plt.cla()
nx.draw_networkx(G)
plt.show()

Beispiel 2 (wenn m2 = 0)

G=nx.barbell_graph(5,0)
plt.cla()
nx.draw_networkx(G)
plt.show()

binomial_tree

binomial_tree(n)

Gibt einen binären Baum vom Grad n zurück. Die Anzahl der Knoten beträgt $ 2 ^ n $ und die Anzahl der Kanten beträgt $ 2 ^ n-1 $.

Beispiel

G=nx.binomial_tree(3)
plt.cla()
nx.draw_networkx(G)
plt.show()

complete_graph

complete_graph(n, create_using=None)

Gibt ein Diagramm zurück, in dem ein Knoten an alle anderen Knoten gebunden ist.

Beispiel 1 (wenn n ein ganzzahliger Typ ist)

G=nx.complete_graph(6)
plt.cla()
nx.draw_networkx(G)
plt.show()

Beispiel 2 (wenn n ein Knotencontainer ist)

G=nx.complete_graph(range(12,18))
plt.cla()
nx.draw_networkx(G)
plt.show()

complete_multipartite_graph

complete_multipartite_graph(*subset_sizes)

Beispiel Erstellen Sie ein vollständiges mehrteiliges Diagramm, das aus drei Teilmengen mit jeweils wenigen Knoten besteht.

G=nx.complete_multipartite_graph(2,3,3)
plt.cla()
nx.draw_networkx(G)
plt.show()

Circular_Lader_Graph

circular_ladder_graph(n, create_using=None) Gibt einen kreisförmigen Kontaktplan der Länge n zurück.

Beispiel

G=nx.circular_ladder_graph(10)
plt.cla()
nx.draw_networkx(G)
plt.show()

circulant_graph

circulant_graph(n, offsets, create_using=None)

Gibt einen kreisförmigen Graphen zurück, der aus n Knoten besteht. Mit welchem Knoten ein Knoten verbunden ist, wird durch "Offsets" angegeben.

Beispiel

G=nx.circulant_graph(10,[1,2])
plt.cla()
nx.draw_networkx(G)
plt.show()

Da "Offsets = [1,2]" sind, sind die Eckpunkte i mit den Eckpunkten i + 1 bzw. i + 2 verbunden. Der Scheitelpunkt 0 ist mit den Scheitelpunkten 1 und 2 verbunden, der Scheitelpunkt 1 ist mit den Scheitelpunkten 2 und 3 verbunden, ... und der Scheitelpunkt 9 ist mit den Scheitelpunkten 0 und 1 verbunden.

cycle_graph

cycle_graph(n, create_using=None)

Beispiel

G=nx.cycle_graph(10)
plt.cla()
nx.draw_networkx(G)
plt.show()

dorogovtsev_goltsev_mendes_graph (Dorogovstev-Goltsev-Mendes-Diagramm)

dorogovtsev_goltsev_mendes_graph(n, create_using=None)

Gibt das vom Dorogovstev-Goltsev-Mendes-Algorithmus erstellte Diagramm zurück.

Original Papier https://arxiv.org/abs/cond-mat/0112143

G=nx.dorogovtsev_goltsev_mendes_graph(3)
plt.cla()
nx.draw_networkx(G)
plt.show()

empty_graph (leeres Diagramm mit Knoten)

empty_graph(n=0, create_using=None, default=<class 'networkx.classes.graph.Graph'>)

Gibt einen Graphen von n Knoten ohne Kanten zurück.

Beispiel

G=nx.empty_graph(10)
plt.cla()
nx.draw_networkx(G,pos)
plt.show()

Verwendung von create_using

Die Variable create_using muss ein Graphkonstruktor oder ein "graph" -ähnliches Objekt sein.

Es gibt drei Hauptverwendungen für create_using.

1. Geben Sie die Art des leeren Diagramms an.
2. Machen Sie aus einem vorhandenen Diagramm ein leeres Diagramm
3. Wenn Sie Ihre eigene Diagrammerstellungsfunktion erstellen, können Sie Ihren bevorzugten Diagrammkonstruktor an create_using übergeben.

Beispiel von 1

Erstellen Sie ein leeres gerichtetes Diagramm (DiGraph).

n = 10
G = nx.empty_graph(n, create_using=nx.DiGraph)

2 Beispiele

Erstellen Sie ein leeres Diagramm G2 mit Kanten, die aus dem vollständigen Diagramm G1 entfernt wurden.

n=5
G1=nx.complete_graph(n)
G1.number_of_edges() #10
G2=nx.empty_graph(n,create_using=G1)
G2.number_of_edges() #0

3 Beispiele

Stellen Sie für Ihre eigene Diagrammerstellungsfunktion "mygraph" den Standardkonstruktor "nx.MultiGraph" ein, wenn "create_using" nicht angegeben ist, und verwenden Sie den angegebenen Konstruktor anderweitig.

def mygraph(n, create_using=None):
    G = nx.empty_graph(n, create_using, default=nx.MultiGraph)
    G.add_edges_from([(0, 1), (0, 1)])
    return G
G = mygraph(3)
G.is_multigraph() #True

G = mygraph(3, nx.Graph)
G.is_multigraph() #False

full_rary_tree (alle r Zweige)

full_rary_tree(r, n, create_using=None)

Erstellt alle "r" -Zweige, die aus "n" Knoten bestehen. Jeder Knoten ist ein Blatt oder hat "r" untergeordnete Knoten.

Beispiel

G=nx.full_rary_tree(3,16)
pos=nx.spring_layout(G,iterations=1000)
plt.cla()
nx.draw_networkx(G,pos)
plt.show()

ladder_graph

ladder_graph(n, create_using=None)

Gibt ein Kontaktplandiagramm zurück.

Beispiel

G=nx.ladder_graph(7)
plt.cla()
nx.draw_networkx(G)
plt.show()

lollipop_graph

lollipop_graph(m, n, create_using=None)

Gibt einen Lollipop-Graphen zurück (einen vollständigen Graphen von m Knoten und einen Pfad von n Knoten, der dorthin führt).

Beispiel

G=nx.lollipop_graph(6,3)
plt.cla()
nx.draw_networkx(G)
plt.show()

null_graph

null_graph(create_using=None)

Gibt ein Diagramm ohne Knoten oder Kanten zurück. Siehe empty_graph für die Verwendung von create_using.

Beispiel

G=nx.null_graph()
plt.cla()
nx.draw_networkx(G)
plt.show()

path_graph

path_graph(n, create_using=None)

Gibt ein Diagramm von n Knoten zurück, das denselben Knoten nicht zweimal durchläuft.

G=nx.path_graph(5)
plt.cla()
nx.draw_networkx(G)
plt.show()

star_graph

star_graph(n, create_using=None)

Gibt ein Diagramm mit n äußeren peripheren Knoten zurück, die für einen zentralen Knoten verkettet sind.

G=nx.star_graph(5)
plt.cla()
nx.draw_networkx(G)
plt.show()

trivial_graph

trivial_graph(create_using=None)

Gibt das einfachste Diagramm zurück, das nur aus einem Knoten besteht.

G=nx.trivial_graph()
plt.cla()
nx.draw_networkx(G)
plt.show()

turan_graph

turan_graph(n, r)

Gibt einen vollständigen mehrteiligen Graphen mit n Knoten zurück, die in nicht verbundene Teile unterteilt sind. Die Anzahl der Kanten ist die auf den Bruchteil von "n ** 2 * (r-1) / (2 * r)" abgerundete Zahl.

G=nx.turan_graph(6,3)
plt.cla()
nx.draw_networkx(G)
plt.show()

Der Knoten ist in drei Teile (0,1), (2,3), (4,5) unterteilt. Knoten, die zum selben Teil gehören, werden nicht verkettet.

In der Grafik im Beispiel heißt es: "Drei Paare gingen zu einer Cocktailparty. Am Veranstaltungsort gaben alle Teilnehmern außer sich selbst und ihrem Ehepartner die Hand. Die damalige Beziehung wurde den Teilnehmern genickt. , Welche Art von Grafik würden Sie erhalten, wenn Sie Ihren Handschlag als Kante ausdrücken? ”Ist die Antwort auf die Frage. Daher heißt es "Cocktail Party Graph".

Wheel_Graph

wheel_graph(n, create_using=None)

Gibt ein Diagramm mit n-1 äußeren Knoten zurück, die für einen Hub-Knoten verkettet sind.

Example

G=nx.wheel_graph(10)
plt.cla()
nx.draw_networkx(G)
plt.show()

Expander-Diagramm

Es ist ein spärlicher Graph mit einer stark verbundenen Komponente.

margulis_gabber_galil_graph (Margulis-Gabber-Galil-Diagramm)

margulis_gabber_galil_graph(n, create_using=None)

Gibt ein Margulis-Gabber-Galil-Diagramm zurück. Es ist ein ungerichteter Multiplex-Graph mit einer Knotenreihenfolge von 8. Der zweitgrößte Eigenwert in der benachbarten Matrix dieses Graphen ist $ 5 \ sqrt {2} $. Ein Fehler wird zurückgegeben, wenn das Diagramm nicht gerichtet ist oder mehrere Diagramme.

G=nx.margulis_gabber_galil_graph(3)
pos=nx.circular_layout(G)
plt.cla()
nx.draw_networkx(G)
plt.show()

chordal_cycle_graph (Closed-Circuit-Graph mit Strings)

chordal_cycle_graph(p, create_using=None)

Gibt ein geschlossenes Diagramm mit Akkorden zurück (Kanten, die nicht Teil des geschlossenen Diagramms sind, aber zwischen zwei Knoten im geschlossenen Diagramm verbunden sind). Knoten x hat eine Zeichenfolge für Knoten y, die x * y = 1 (mod p) erfüllt. Ein Fehler wird zurückgegeben, wenn das Diagramm nicht gerichtet ist oder mehrere Diagramme.

G=nx.chordal_cycle_graph(7)
pos=nx.circular_layout(G)
plt.cla()
nx.draw_networkx(G,pos)
plt.show()

Social Networks

Es ist ein berühmter Graph für soziale Netzwerke.

karate_club_graph (Zacharys Karate Club)

karate_club_graph()

Ein Netzwerk von Mitgliedern des Karate Clubs, das vom amerikanischen Sozialpsychologen Zachary befragt wurde. Sie können sehen, dass es in zwei Fraktionen unterteilt ist, die auf Knoten 0 und Knoten 32 und 33 zentriert sind.

Zachary, Wayne W. “An Information Flow Model for Conflict and Fission in Small Groups.” Journal of Anthropological Research, 33, 452–473, (1977).

G=nx.karate_club_graph()
plt.figure(figsize=(8,6))
nx.draw_networkx(G)
plt.show()

davis_southern_women_graph (Davis et al. Southern Women's Graph)

davis_southern_women_graph()

Ein Netzwerk von 18 Frauen im Süden der USA, das von Davis et al. In den 1930er Jahren befragt wurde. Dies ist ein zweiteiliges Diagramm, das aus Knoten besteht, die 18 Frauen und 14 teilnehmende Ereignisse darstellen.

A. Davis, Gardner, B. B., Gardner, M. R., 1941. Deep South. University of Chicago Press, Chicago, IL.

florentine_families_graph (Familie in Florenz)

florentine_families_graph()

Ehebeziehung einflussreicher Familien wie der Medici-Familie in der Renaissance Florenz.

Ronald L. Breiger and Philippa E. Pattison Cumulated social roles: The duality of persons and their algebras,1 Social Networks, Volume 8, Issue 3, September 1986, Pages 215-256

les_miserables_graph()

les_miserables_graph()

Es ist eine Grafik der Charaktere im Roman "Les Miserables".

D. E. Knuth, 1993. The Stanford GraphBase: a platform for combinatorial computing, pp. 74-87. New York: AcM Press.

Referenz

• https://networkx.org/documentation/networkx-2.4/reference/generators.html