使用Python的Networkx和matplotlib两个库可以画出由边和节点组成的图，支持节点，边的多项属性的设置。 包括颜色，标签，形状，边的宽度等等。

图的构建和基本使用

使用下面两条语句作为程序开始导入的库语句。

import networkx as nx
import matplotlib as plt

使用Networkx的库建立初始化一个图：

G = nx.Graph()

添加节点。nodename可以为字符串，也可以为一个整型。

G.add_node(nodename)

添加一个由节点组成的列表。nodes_list为一系列节点组成的一个节点列表。

G.add_nodes_from(nodes_list)

添加边。node1,node2为节点名字.

G.add_edge(node1, node2)
e = (node1, node2)
G.add_edge(*e) #unpack edge tuple*

添加一个边的列表，edges_list为一系列边组成的一个列表

G.add_edges_from(edges_list)

获得图G的节点总数

G.number_of_nodes()

获得图G的边总数

G.number_of_edges()

获得图G的所有节点的一个列表

G.nodes()

获得图G所有边的一个列表

G.edges()

为图，节点或者边添加属性，可以直接以字典的方式操作图的节点和边，而且它基本就是以字典的方式存储这些属性的。

G.graph['attr_name'] = attr_value
G.node[nodename]['attr_name'] = attr_value
G.edge[node1][node2]['attr_name'] = attr_value

例子：

G.graph['title'] = 'cloudaice' #给图G添加一个title属性，值为'cloudaice'
G.node[1]['means'] = 'grass' #给图G的节点1添加一个means的属性，值为'grass'
G.edge[1][2]['len'] = 2 ＃给图G的边(1,2)添加一个len的属性，值为2

注意：这里添加属性的作用仅仅在于方便自己的使用，不要把这里的属性名字和后面的画图时候的属性联系起来

获得和node1相邻的所有节点

G.neighbors(node1)

迭代访问图G的所有的边，根据上面的介绍，我们可以使用G.edges()获得图G的所有的边的一个列表，然后迭代访问， 但是对于比较大的图，它的边会非常多，这里提供一种迭代器访问的方法：

for edge in G.adjacency_iter():
    print edge

更多使用方法可以参考Networkx的官方文档

画图生成图片

方法：

 nx.draw_networkx(G, pos, **kwds)

pos表示布局方式,常见的有以下几种布局方式：

• circular_layout
• random_layout
• shell_layout
• spring_layout
• spectral_layout

具体获得方法：

pos = nx.circular_layout(G)
pos = nx.random_layout(G)
pos = nx.shell_layout(G)
pos = nx.spring_layout(G)
pos = nx.spectral_layout(G)

参数列表：

• with_labels:
  • 填写一个bool值，表示是否画出labels，默认是True.
• nodelist:
  • 所有节点的一个列表，默认是G.nodes().
• edgelist:
  • 所有边的一个列表，默认是G.edges().
• node_size:
  • 节点大小，可以是单个float值，也可以是一个列表，如果是列表的话，要与nodelist里面的节点对应。
• node_color:
  • 节点颜色，可以是单个string值，也可以是一个列表，如果是一个列表的话，也要与nodelist里面的节点对应。
• node_shape:
  • 设置节点形状,String。
• width
  • 边的宽度。默认是1.0。
• edge_color
  • 边的颜色，可以是单个string值，也可以是一个列表，如果是一个列表的话，要与edgelist里面的边对应。
• font_size
  • 字体的大小，默认是12。
• font_color
  • 字体颜色，默认是black。

显示图片：

nx.draw(G, pos)
plt.show()

保存图片：

nx.draw(G, pos)
plt.savefig('simple.png')

这里的nx.draw()和nx.draw_networkx()里面使用的参数基本是一样的，只是draw_networkx()画出来的图片带坐标，这只是我试验的结果，不保证绝对正确
更多具体内容可以阅读官方文档

总结

networkx库作为Python的一个强大的图处理库。基本可以处理关于图的所有建模问题，再加上使用matplotlib库对图进行可视化，操作起来非常好用,不过windows用户在安装这两个库的时候可能需要一些额外的扩展包，安装的时候注意一下就可以了。