一. Networkx的下载安装

画图之前先将NetworkX装好，直接pip install Networkx的话会特别慢，而且通常会失败，所以我一般都是先把库下载下来，再在本地安装。

1、下载传送门：https://pypi.org/project/networkx/#files
我下载的这个：
在这里插入图片描述 2、放到自己指定的文件夹（随意）
3、本地安装

二. 规则图

规则图差不多是最没有复杂性的一类图，random_graphs.random_regular_graph(d, n)方法可以生成一个含有n个节点，每个节点有d个邻居节点的规则图。
下面一段示例代码，生成了包含20个节点、每个节点有3个邻居的规则图：

import networkx as nx
import matplotlib.pyplot as plt
#生成了包含20个节点、每个节点有3个邻居的规则图
RG = nx.random_graphs.random_regular_graph(3, 20)
#spectral布局
pos = nx.spectral_layout(RG)nx.draw(RG, pos, with_labels = False, node_size = 30)
plt.show()

在这里插入图片描述

三、ER随机图

ER随机图是早期研究得比较多的一类“复杂”网络，模型的基本思想是以概率p连接N个节点中的每一对节点。
用random_graphs.erdos_renyi_graph(n,p)方法生成一个含有n个节点、以概率p连接的ER随机图：

import networkx as nx
import matplotlib.pyplot as plt
#生成一个含有20个节点、以概率p = 0.2连接的ER随机图：
ER = nx.random_graphs.erdos_renyi_graph(20, 0.2)
#shell布局
pos = nx.shell_layout(ER)
nx.draw(ER, pos, with_labels = False, node_size = 30)
plt.show()

在这里插入图片描述

四、WS小世界网络

用random_graphs.watts_strogatz_graph(n, k, p)方法生成一个含有n个节点、每个节点有k个邻居、以概率p随机化重连边的WS小世界网络。

import networkx as nx
import matplotlib.pyplot as plt
#生成一个含有20个节点、每个节点有4个邻居、以概率p=0.3随机化重连边的WS小世界网络
WS = nx.random_graphs.watts_strogatz_graph(20, 4, 0.3)
# circular 布局
pos = nx.circular_layout(WS)
nx.draw(WS, pos, with_labels = False, node_size = 30)
plt.show()

在这里插入图片描述

五、BA无标度网络

用random_graphs.barabasi_albert_graph(n, m)方法生成一个含有n个节点、每次加入m条边的BA无标度网络。

import networkx as nx
import matplotlib.pyplot as plt
#生成一个含有20个节点、每次加入1条边的BA无标度网络。
BA = nx.random_graphs.barabasi_albert_graph(20, 1)
# spring 布局
pos = nx.spring_layout(BA)
nx.draw(BA, pos, with_labels = False, node_size = 30)
plt.show()

在这里插入图片描述

六. 总结

（1）基本绘图流程：
在NetworkX中，绘制一个网络使用nx.draw()方法，它至少接受一个参数：即你希望绘制的网络G。实际上这个方法非常复杂，它可以指定20多个关键字参数，后边会介绍一些常用的参数，我们先从最简单的情况入手，看看下边的例子：

import networkx as nx               #导入networkx包
import matplotlib.pyplot as plt     #导入绘图包matplotlib（需要安装，方法见第一篇笔记）
G =nx.random_graphs.barabasi_albert_graph(100,1)   #生成一个BA无标度网络G
nx.draw(G)                      #绘制网络G
#plt.savefig("ba.png")          #输出方式1: 将图像存为一个png格式的图片文件
plt.savefig("ba_svg.svg")       #svg矢量图通常放入自己的论文中
plt.show()                      #输出方式2: 在窗口中显示这幅图像

在这里插入图片描述

（2）运用样式
上边的代码虽然简单，但生成的图形略显单调。NetworkX提供了一系列样式参数，可以用来修饰和美化图形，达到我们想要的效果。常用的参数包括：
- 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)
- 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）
灵活运用上述参数，可以绘制不同样式的网络图形，例如：nx.draw(G,node_size = 30,with_labels = False) 是绘制节点尺寸为30、不带标签的网络图。

（3）运用布局
NetworkX在绘制网络图形方面提供了布局的功能，可以指定节点排列的形式。这些布局包括：
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（这个算法我不了解，样子类似多中心放射状）
spectral_layout：根据图的拉普拉斯特征向量排列节点？我也不是太明白
布局用pos参数指定，例如：nx.draw(G,pos = nx.circular_layout(G))。

我的第二篇博客，部分参考了他人的，参考链接在底部。初学者，欢迎交流！
参考：https://www.cnblogs.com/forstudy/archive/2012/03/20/2407954.html
https://www.cnblogs.com/gispathfinder/p/5790949.html