网络分析|GIS网络分析( 四 )

disjoint_union(G1,G2) - graph union assuming all nodes are different
cartesian_product(G1,G2) - return Cartesian product graph
compose(G1,G2) - combine graphs identifying nodes common to both
complement(G) - graph complement
create_empty_copy(G) - return an empty copy of the same graph class
convert_to_undirected(G) - return an undirected representation of G
convert_to_directed(G) - return a directed representation of G
对于不同类型的图，存在单独的类。例如， nx.DiGraph类允许创建有向图。可以使用单个方法直接创建包含路径的特定图。有关图创建方法的完整列表，请参阅完整文档。链接在本文末尾给出。

Image('images/graphclasses.PNG', width = 400)

访问边和节点
可以使用G.nodes和G.edges方法访问节点和边。可以使用括号/下标法访问各个节点和边。

G.nodes()
NodeView((1, 2, 3))
G.edges()
EdgeView([(1, 2), (1, 3), (2, 3)])
G[1] # same as G.adj[1]
AtlasView({2: {}, 3: {}})
G[1][2]
{}
G.edges[1, 2]
{}

图可视化
Networkx提供了可视化图的基本功能，但其主要目标是帮助图分析而不是图的可视化。图可视化很难，我们将使用专门用于此任务的工具。Matplotlib提供了一些便利功能。但是GraphViz可能是最好的工具，因为它提供了一个PyGraphViz的Python接口（链接在文档的末尾）。

%matplotlib inline
import matplotlib.pyplot as plt
nx.draw(G)

首先必须安装Graphviz 。然后使用该命令pip install pygraphviz --install-option =“<> 。在安装选项中，你必须提供Graphviz 中lib和include文件夹的路径。

import pygraphviz as pgv
d={'1': {'2': None}, '2': {'1': None, '3': None}, '3': {'1': None}}
A = pgv.AGraph(data=http://www.2312333.com/list15/d)
print(A) # This is the 'string' or simple representation of the Graph
Output:
strict graph "" {
1 -- 2;
2 -- 3;
3 -- 1;
}

PyGraphviz可以很好地控制边和节点的各个属性。我们可以使用它获得非常漂亮的可视化。

# Let us create another Graph where we can individually control the colour of each node
B = pgv.AGraph()
# Setting node attributes that are common for all nodes
B.node_attr['style']='filled'
B.node_attr['shape']='circle'
B.node_attr['fixedsize']='true'
B.node_attr['fontcolor']='#FFFFFF'
# Creating and setting node attributes that vary for each node (using a for loop)
for i in range(16):

【网络分析|GIS网络分析】
B.add_edge(0,i)
n=B.get_node(i)
n.attr['fillcolor']="#%2x0000"%(i*16)
n.attr['height']="%s"%(i/16.0+0.5)
n.attr['width']="%s"%(i/16.0+0.5)
B.draw('star.png',prog="circo") # This creates a .png file in the local directory. Displayed below.
Image('images/star.png', width=650) # The Graph visualization we created above.

通常，可视化被认为是与图分析独立的任务。分析后的图将导出为Dotfile 。然后单独显示该Dotfile以展示我们想表达的内容。
数据分析案例
我们将寻找一个通用数据集（不是专门用于图的数据集）并进行一些操作（在pandas中），以便它可以以边列表（edge list）的形式输入到图中。边列表是一个元组列表，其中的元组包含定义每条边的顶点
我们将关注的数据集来自航空业。它有一些关于航线的基本信息。有某段旅程的起始点和目的地。还有一些列表示每段旅程的到达和起飞时间。如你所想，这个数据集非常适合作为图进行分析。想象一下通过航线（边）连接的几个城市（节点）。如果你是航空公司，你可以问如下几个问题：
从A到B的最短途径是什么？分别从距离和时间角度考虑。
有没有办法从C到D？
哪些机场的交通最繁忙？
哪个机场位于大多数其他机场“之间”？这样它就可以变成当地的一个中转站。

import pandas as pd
import numpy as np
data = http://www.2312333.com/list15/pd.read_csv('data/Airlines.csv')

data.shape
(100, 16)
data.dtypes

上一页
1
2
3
4
5
6
下一页

走出洞穴

网络小说|十大巅峰网络小说排行榜最顶级的网络小说推荐

绘本《重阳节》

神兽|网络最火十大神兽,网络神兽有什么

网络工程师转正述职报告怎么写？

网络营销工作计划怎么写？

年网络管理员简历模版如何写？

考试后总结范文有没有？

职场礼仪的重要性分析怎么写？

网络工程求职信格式怎么样？