1 简介
networkx是一个用Python语言开发的图论与复杂网络建模工具，内置了常用的图与复杂网络分析算法，可以方便的进行复杂网络数据分析、仿真建模等工作。
利用networkx可以以标准化和非标准化的数据格式存储网络、生成多种随机网络和经典网络、分析网络结构、建立网络模型、设计新的网络算法、进行网络绘制等。
networkx支持创建简单无向图、有向图和多重图（multigraph）；内置许多标准的图论算法，节点可为任意数据；支持任意的边值维度，功能丰富，简单易用。
networkx以图（graph）为基本数据结构。图既可以由程序生成，也可以来自在线数据源，还可以从文件与数据库中读取。
安装
安装的话，跟其他包的安装差不多，用的是anaconda就不用装了。其他就用pip install networkx。
查看版本：
升级
下面配合使用的一些库，可以选择性安装：
后面可能用到pygraphviz，安装方法如下（亲测有效）：
windows的安装参考这篇博客：
https://blog.csdn.net/fadai1993/article/details/82491657#2____linux_9
安装cv2：
支持四种图
Graph：无多重边无向图DiGraph：无多重边有向图MultiGraph：有多重边无向图MultiDiGraph：有多重边有向图
空图对象的创建方式
绘制网络图基本流程
导入networkx，matplotlib包建立网络绘制网络 nx.draw()建立布局 pos = nx.spring_layout美化作用
networkx 提供画图的函数
draw（G，[pos,ax,hold]）draw_networkx(G，[pos,with_labels])draw_networkx_nodes(G,pos,[nodelist])绘制网络G的节点图draw_networkx_edges(G,pos[edgelist])绘制网络G的边图draw_networkx_edge_labels(G, pos[, …]) 绘制网络G的边图，边有label
—有layout 布局画图函数的分界线—draw_circular(G, **kwargs) Draw the graph G with a circular layout.draw_random(G, **kwargs) Draw the graph G with a random layout.draw_spectral(G, **kwargs)Draw the graph G with a spectral layout.draw_spring(G, **kwargs)Draw the graph G with a spring layout.draw_shell(G, **kwargs) Draw networkx graph with shell layout.draw_graphviz(G[, prog])Draw networkx graph with graphviz layout.
networkx 画图函数里的一些参数
pos(dictionary, optional): 图像的布局，可选择参数；如果是字典元素，则节点是关键字，位置是对应的值。如果没有指明，则会是spring的布局；也可以使用其他类型的布局，具体可以查阅networkx.layoutarrows :布尔值，默认True; 对于有向图，如果是True则会画出箭头with_labels: 节点是否带标签（默认为True）ax：坐标设置，可选择参数；依照设置好的Matplotlib坐标画图nodelist：一个列表，默认G.nodes(); 给定节点edgelist：一个列表，默认G.edges();给定边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)cmap：Matplotlib的颜色映射，默认None; 用来表示节点对应的强度vmin,vmax：浮点数，默认None;节点颜色映射尺度的最大和最小值linewidths：[None|标量|一列值];图像边界的线宽width: 边的宽度 (默认为1.0)edge_color: 边的颜色(默认为黑色)edge_cmap：Matplotlib的颜色映射，默认None; 用来表示边对应的强度edge_vmin,edge_vmax：浮点数，默认None;边的颜色映射尺度的最大和最小值style: 边的样式(默认为实现，可选： solid|dashed|dotted,dashdot)labels：字典元素，默认None;文本形式的节点标签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）node_size：节点大小font_weight：字符串，默认’normal’font_family：字符串，默认’sans-serif’
布局指定节点排列形式
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wps 的官网下载的入口怎么找圆上分布spring_layout： 用Fruchterman-Reingold算法排列节点，中心放射状分布spectral_layout：根据图的拉普拉斯特征向量排列节点
布局也可用pos参数指定，例如，nx.draw(G, pos = spring_layout(G)) 这样指定了networkx上以中心放射状分布.
2 Graph-无向图
如果添加的节点和边是已经存在的，是不会报错的，NetworkX会自动忽略掉已经存在的边和节点的添加。
节点
常用函数
nodes(G)：在图节点上返回一个迭代器number_of_nodes(G)：返回图中节点的数量all_neighbors(graph, node)：返回图中节点的所有邻居non_neighbors(graph, node)：返回图中没有邻居的节点common_neighbors(G, u, v)：返回图中两个节点的公共邻居
边
常用函数
edges(G[, nbunch])：返回与nbunch中的节点相关的边的视图number_of_edges(G)：返回图中边的数目non_edges(graph)：返回图中不存在的边
使用邻接迭代器遍历每一条边
属性
属性诸如weight,labels,colors,或者任何对象，都可以附加到图、节点或边上。对于每一个图、节点和边都可以在关联的属性字典中保存一个（多个）键-值对wps免费版的下载地方的方法。默认情况下这些是一个空的字典，但是可以增加或者是改变这些属性。
图的属性
节点的属性
边的属性
有向图和无向图互转
有向图和多重图的基本操作与无向图一致。
无向图与有向图之间可以相互转换，转化方法如下：
3 DiGraph-有向图
一些精美的图例子
环形树状图
权重图
wps的官网的下载的入口在哪里(wps官网下载不了)
Giant Component
wps的免费版的下载地址怎么找
Random Geometric Graph 随机几何图
节点颜色渐变
边的颜色渐变
Atlas
画个五角星
Club
wps官网的下载地址的方法
画一个多层感知机
绘制一个DNN结构图
可以看到，在代码中已经设置好了这22个神经元以及它们之间的连接情况，但绘制出来的结构如却是这样的：
这显然不是想要的结果，因为各神经的连接情况不明朗，而且很多神经都挤在了一起，看不清楚。之所以出现这种情况，是因为没有给神经元设置坐标，导致每个神经元都是随机放置的。
接下来，引入坐标机制，即设置好每个神经元节点的坐标，使得它们的位置能够按照事先设置好的来放置，其Python代码如下：
可以看到，在代码中，通过pos字典已经规定好了每个神经元节点的位置。
接下来，需要对这个框架图进行更为细致地修改，需要修改的地方为：
去掉神经元节点的标签；添加模型层的文字注释（比如Input layer）
其中，第二步的文字注释，我们借助opencv来完成。完整的Python代码如下：
一些图论算法
最短路径
函数调用：wps官网的下载地址在哪里
dijkstra_path(G, source, target, weight=‘weight’) ————求最短路径
dijkstra_path_length(G, source, target, weight=‘weight’) ————求最短距离
输出：
问题
本人在pycharm中运行下列程序：
发现在Pycharm下使用matploylib库绘制3D图的时候，在最后需要显示图像的时候，每当输入plt.show() 都会报错
网上的解决方案：
File -> Setting -> Tools -> Python Scientific中去掉对Show plots in tool window的勾选就好了
一些其他神经网络绘制工具列表
名称描述推荐指数Python+Graphvizgraphviz的python版本(亲测)****PlotNeuralNet第一步生成tex文件，然后调用LaTeX命令行生成图形(亲测)****NetworkX这是个专门的复杂网络图的Python包****Matplotlib’s Viznet利用Matplotlib的Viznet****LaTeX tikz绘制网络结点图的tikz库***Graphviz专业绘图软件，dot描述语言***Inkscape属于绘图软件***Omnigraffle由The Omni Group制作的一款绘图软件***netron支持ONNX (.onnx, .pb, .pbtxt), Keras (.h5, .keras),wps office免费版的下载的方法是什么 CoreML (.mlmodel), Caffe2 (predict_net.pb, predict_net.pbtxt), MXNet (.model, -symbol.json) and TensorFlow Lite (.tflite)，在前面链接处下载文件，在这里演示***TensorBoard配合Tensorflow一起使用的***Keras自带plot方法，例子，也需要安装graphviz，pydot等***Netscope for Caffe只支持Caffe格式，例子***draw_convnet这个其实是利用Matplotlib的绘图功能写了一个Python脚本**dnngraph仅使用于Caffe框架**ConvNetDraw灵活性差,没有更新了**
上面都是一些这个网络库使用的一点总结，更多内容可以参考下面的官方链接。
参考
官方教程：https://networkx.github.io/documentation/stable/_downloads/networkx_reference.pdf官方网站：https://networkx.github.io/documentation/latest/index.html官方githu博客：http://networkx.github.io/用Python的networkx绘制精美网络图networkx整理Networkx使用指南论文中绘制神经网络工具汇总networkx + Cytoscape 构建及可视化网络图用python+graphviz/networkx画目录结构树状图