一文读懂 Python 复杂网络分析库 NetworkX

Posted by JZW 加密货币资讯站 on September 5, 2025

NetworkX 是 Python 生态中无可替代的复杂网络建模与分析工具。通过它，你可以在三五行代码内构建社交网络、交通路网、知识图谱，甚至深度神经网络的可视化结构。本文将用 “安装—建模—可视化—算法” 四步曲，带你一口气完成从入门到实战的跃迁。

👉 点此解锁更多 Python 数据科学精彩实战

一、安装与环境准备

方法 命令／步骤
pip pip install networkx
conda conda install networkx
国内镜像加速 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple networkx
可选加速可视化 安装 pygraphviz 前先在系统安装 Graphviz 
# Ubuntu
sudo apt-get install graphviz graphviz-dev
pip install pygraphviz
# Windows 建议使用 wheel 安装

二、核心数据结构：四种图

NetworkX 为不同需求给出了四种图类型：

  1. Graph   无向无重边
  2. DiGraph  有向无重边
  3. MultiGraph 无向可重边
  4. MultiDiGraph 有向可重边

创建一条命令即可：

import networkx as nx
G = nx.Graph()      # 空的无向图
D = nx.DiGraph()    # 空的有向图

G.clear() 一键清空，方便在循环实验中重复使用对象。

三、Graph：无向图的全部姿势

1. 节点操作

  • 增删:
    G.add_node('Alice'), G.add_nodes_from(['Bob','Carol'])
    G.remove_nodes_from(['Bob'])
  • 查询:
    G.nodes(), G.number_of_nodes()
  • 进阶玩法:
    把子图作为单一节点加入，实现分层可视化。
H = nx.path_graph(5)
G.add_node(H)       # “子图即节点”

2. 边操作

  • 增删：
    三元组 (u,v,weight) 无缝携带边权重。 
    G.add_weighted_edges_from([(1,2,0.5),(2,3,1.2)])
  • 遍历： 
    for u,v,d in G.edges(data='weight'):
    if d < 1:
        print(u,v,d)

边权重支持浮点、整数，甚至字典嵌套属性。

3. 属性附件

把任何 Python 对象当属性挂到图、节点、边：

G.graph['title'] = 'karate_club'      # 图
G.nodes[1]['gender'] = 'male'         # 节点
G[1][2]['label'] = 'friend'           # 边

属性字段全部放在标准字典中，随时增删。

4. 双向转换

# 有向→无向
U = G.to_undirected()
# 无向→有向
D = nx.DiGraph(U)

四、DiGraph：有向图与精美案例

有向图与无向图的 API 几乎一致，只要记住两点：

  • draw 时使用 arrow=True 画箭头
  • 强/弱连通分量的算法不同

接下来 7 个可视化案例全部基于 DiGraph，复制即用。

1. k-out-随机图（边兼具透明度渐变）

G = nx.random_k_out_graph(10, 3, 0.5)
pos = nx.spring_layout(G)
nx.draw_networkx_edges(G, pos, arrowstyle='->',
                       edge_color=range(G.number_of_edges()),
                       edge_cmap=plt.cm.Blues)

2. 环状树（适合展示层级）

T = nx.balanced_tree(3, 5)
pos = graphviz_layout(T, prog='twopi')
nx.draw(T, pos, node_size=8, alpha=0.6)

3. 甘特权重图（阈值高亮）

elarge = [(u,v) for u,v,d in G.edges(data=True) if d['weight']>0.5]
esmall = [(u,v) for u,v,d in G.edges(data=True) if d['weight']<=0.5]
nx.draw_networkx_edges(G, pos, edgelist=elarge, width=6)
nx.draw_networkx_edges(G, pos, edgelist=esmall, width=3, style='dashed')

4. Random Geometric Graph（随机几何图）

常用于无线传感器网络仿真，200 个节点可视化 0.05 秒完成：

G = nx.random_geometric_graph(200, 0.125)
pos = nx.get_node_attributes(G, 'pos')
nx.draw_networkx_nodes(G, pos, node_color=[...], cmap='Reds')

👉 领取 15 个 NetworkX 彩色样式模板

五、实战：把 DNN 画成论文级结构图

步骤：构建 DAG → 自定义坐标 → 去除标签 → 手动加文字描述 → 导出高清 png。

Step1 构建网络

G = nx.DiGraph()
vertex = ['v'+str(i) for i in range(1,22)]
G.add_nodes_from(vertex)
edges = [...]   # 三层感知机 stride
G.add_edges_from(edges)

Step2 绘图

pos = { # 精细坐标字典
 'v1':(-2,1.5), 'v2':(-2,0.5), ..., 'v21':(2,-1)
}
nx.draw(G,pos,with_labels=False,node_size=300,node_color='r',edge_color='k')
plt.xlim(-2.5,2.5); plt.ylim(-3.3,3.3)
plt.savefig('dnn_raw.png')

Step3 OpenCV 增强（加方框 + 文字）

import cv2
img = cv2.imread('dnn_raw.png')
cv2.rectangle(img,(80,120),(450,420),(255,0,0),2)
cv2.putText(img,'Hidden Layer',(180,450),1,1.8,(0,255,0),2)
cv2.imwrite('dnn_final.png',img)

三种尺寸布局 640×480、1280×720、300 dpi 任君挑选，论文一次过审。

六、图论算法：以最短路径为例

单源最短路径（Dijkstra）

G = nx.DiGraph()
G.add_weighted_edges_from([(0,1,1),(0,3,3),(3,6,5),(6,7,2)])
print(nx.dijkstra_path(G,0,7))       # [0,3,6,7]
print(nx.dijkstra_path_length(G,0,7))# 10

其他热门算法：

  • PageRank nx.pagerank(G)
  • 最大流 nx.maximum_flow(D, 's', 't')
  • 社区发现 nx.community.louvain_communities(G)

七、常见疑难 FAQ

Q1: matplotlib 绘图时报错 “tight_layout Empty sequence”？
A: PyCharm → Settings → Tools → Python Scientific，取消 “Show plots in tool window” 即可。

Q2: 多重量边丢失、::<、多图重叠？
A: 确认使用的是 MultiGraph/MultiDiGraph 而非 Graph/DiGraph。

Q3: 节点过多时内存爆炸？
A: 使用 nx.degree_centrality() 先行筛选 Top 10%，再缩略可视化。

Q4: 想做 交互式网络可视化 怎么办？
A: 导出 gexf → Gephi 或 Cytoscape 打开；亦可调用 Plotly 在线渲染。

Q5: 如何为边添加动态宽度？
A: 把权重映射到 width 参数：width=[d['weight']*5 for _,_,d in G.edges(data=True)]。

Q6: Jupyter Lab 无法 inline ？
A: 魔法命令 %matplotlib inline 即可，新版 Lab 默认启用。

八、扩展阅读与资源

  • 官方 Docs: https://networkx.org/documentation/stable
  • NetworkX 中文速查表（PDF）
  • 《复杂网络导论》配套代码仓库：https://github.com/albertobsd/networkx-cookbook

用 NetworkX，让任何「关系数据」秒变直观图谱。现在，就打开 Jupyter 尝试一下今天的示例吧！

CATALOG