图学习-第一章 可视化

#图的简单理解
图是对象之间的关系及特征的表示形态，用于分析已知对象间关系规律，并应用于对关系网络中其他未知对象的特征或行为预测。
#图的可视化-networkx
*python 3.6，networks 2.4，matplotlib 3.1.3
‘’’
import networkx as nx
import matplotlib.pyplot as plt

##生成无向图
G = nx.Graph()
#添加节点
G_karate = nx.karate_club_graph()
for node in G_karate.nodes:
G.add_node(node)
#添加边
for edge in G_karate.edges():
G.add_edge(edge[0],edge[1])

#图可视化
plt.figure(figsize=(30,30))
nx.draw(G, node_size=1500, width=2, nodelist=G_karate.nodes,node_color=‘r’,with_labels=True,font_size=24)
plt.savefig(‘graph_1.png’, transparent=True)
‘’’

#生成有向图
‘’’
G = nx.DiGraph()
##添加节点
G_karate = nx.karate_club_graph()
for node in G_karate.nodes:
G.add_node(node)
##添加边
for edge in G_karate.edges():
G.add_edge(edge[0],edge[1])

##图可视化
plt.figure(figsize=(20,20))
pos = nx.shell_layout(G)
nx.draw(G, node_size=1500, width=2, nodelist=G_karate.nodes,node_color=‘r’,with_labels=True,font_size=24,pos=pos)
plt.savefig(‘graph_2.png’, transparent=True)
‘’

##networkx常用参数link

• node_size: 指定节点的尺寸大小(默认是300，单位未知，就是上图中那么大的点)
• node_color: 指定节点的颜色 (默认是红色，可以用字符串简单标识颜色，例如’r’为红色，'b’为绿色等，具体可查看手册)，用“数据字典”赋值的时候必须对字典取值（.values()）后再赋值
• node_shape: 节点的形状（默认是圆形，用字符串’o’标识，具体可查看手册）
• alpha: 透明度 (默认是1.0，不透明，0为完全透明)
• width: 边的宽度 (默认为1.0)
• edge_color: 边的颜色(默认为黑色)
• style: 边的样式(默认为实现，可选： solid|dashed|dotted,dashdot)
• with_labels: 节点是否带标签（默认为True）
• font_size: 节点标签字体大小 (默认为12)
• font_color: 节点标签字体颜色（默认为黑色）
  ##布局参数pos：
• circular_layout：节点在一个圆环上均匀分布
• random_layout：节点随机分布
• shell_layout：节点在同心圆上分布
• spring_layout： 用Fruchterman-Reingold算法排列节点
• spectral_layout：根据图的拉普拉斯特征向量排列节