有时候graph建好后，我们并不清楚该graph内节点、边的信息，需要调用函数去查看Graph的信息。

目录

1、查看graph内节点,边的数量

2、查看graph中的点,边

3、查看某些节点的度

4、查看节点&边信息

5、遍历一个有权图

1、查看graph内节点,边的

数量


# 生成graph
G = nx.path_graph(8) # 生成一个8个点的图
nx.draw(G, with_labels=True) # 画图
plt.axis('on')
plt.xticks([])
plt.yticks([])
plt.show() # 显示图

# 查看节点和边的情况
print('number of nodes',G.number_of_nodes())
# number of nodes 8

print('number of edges',G.number_of_edges())
# number of edges 7

这里axis(‘on’)的意思是：

• 
  axis()
  

• 函数功能：plt.axis() 是获取或设置某些轴属性的便捷方法
• 第一种使用方法： plt.axis([xmin, xmax, ymin, ymax])
  • xmin：x轴的最小范围值
  • xmax：x轴的最大范围值
  • ymin：y轴的最小范围值
  • ymax：y轴的最大范围值
• 第二种使用方法： plt.axis(str)
  • “on”：打开轴线和标签
  • “off”：关闭轴线和标签
  • “scaled”：设置相等的缩放比例
  • “tight”：设置限制大小足以显示所有数据
  • “auto”：自动缩放（带数据的填充框）

2、查看graph中的点,边

# 输出graph所有的点和边
print('all nodes of Graph',G.nodes())
print('all edges of Graph',G.edges())

# all nodes of Graph [0, 1, 2, 3, 4, 5, 6, 7]
# all edges of Graph [(0, 1), (1, 2), (2, 3), (3, 4), (4, 5), (5, 6), (6, 7)]

3、查看某些节点的度

# 查看节点2和3的度
print('degree of some nodes', G.degree([2, 3]))

# degree of some nodes [(2, 2), (3, 2)]

4、查看节点&边信息

# 设置一些节点信息
G.nodes[1]['room'] = 714
G.nodes[1]['color'] = 'b'

# 设置一些边信息
G[1][2]['weight'] = 4.7
G[1][2]['color'] = "blue"

print('imformation of one nodes', G.nodes[1])
# imformation of one nodes {'room': 714, 'color': 'b'}


print('imformation of all nodes', G.nodes.data())
# imformation of all nodes [(0, {}), (1, {'room': 714, 'color': 'b'}), (2, {}), (3, {}), (4, {}), (5, {}), (6, {}), (7, {})]


print('imformation of all nodes', G.edges.data())  #边不支持[x]这样的下标访问
# imformation of all nodes [(0, 1, {}), (1, 2, {'weight': 4.7, 'color': 'blue'}), (2, 3, {}), (3, 4, {}), (4, 5, {}), (5, 6, {}), (6,7, {})]

5、遍历一个有权图

# 定义一个有权无向图
FG = nx.Graph()
FG.add_weighted_edges_from([(1, 2, 0.125), (1, 3, 0.75), (2, 4, 1.2), (3, 4, 0.375)])

# 遍历邻接矩阵
for n, nbrs in FG.adj.items():
    for nbr, eattr in nbrs.items():
        wt = eattr['weight']
        #权重小于0.5的输出
        if wt < 0.5: 
            print('way1-(%d, %d, %.3f)' % (n, nbr, wt))

# way1-(1, 2, 0.125)
# way1-(2, 1, 0.125)
# way1-(3, 4, 0.375)
# way1-(4, 3, 0.375)



# 遍历所有边
for (u, v, wt) in FG.edges.data('weight'):
    #权重小于0.5的输出
    if wt < 0.5: 
        print('way2-(%d, %d, %.3f)' % (u, v, wt))



# way2-(1, 2, 0.125)
# way2-(3, 4, 0.375)

图的邻接矩阵遍历

# 遍历邻接矩阵
for n, nbrs in FG.adj.items():
    print(n, nbrs)
# 1 {2: {'weight': 0.125}, 3: {'weight': 0.75}}
# 2 {1: {'weight': 0.125}, 4: {'weight': 1.2}}
# 3 {1: {'weight': 0.75}, 4: {'weight': 0.375}}
# 4 {2: {'weight': 1.2}, 3: {'weight': 0.375}}

for n, nbrs in FG.adj.items():
    for nbr, eattr in nbrs.items():
        print(nbr, eattr)
# 2 {'weight': 0.125}
# 3 {'weight': 0.75}
# 1 {'weight': 0.125}
# 4 {'weight': 1.2}
# 1 {'weight': 0.75}
# 4 {'weight': 0.375}
# 2 {'weight': 1.2}
# 3 {'weight': 0.375}


# 遍历所有边
for (u, v, wt) in FG.edges.data('weight'):
    print (u, v, wt)
    # 1 2 0.125
    # 1 3 0.75
    # 2 4 1.2
    # 3 4 0.375

参考：

NetworkX系列教程(5)-查看graph的信息

python数据可视化之matplotlib（上）

完整的教程信息查看第一个部分（1），讲的很好啊！！！