Articles of networkx

Convertir un diccionario de tuplas en una matriz numpy

Tengo un diccionario muy grande que contiene tuplas como claves y sus valores. Se supone que este diccionario representa una matriz de adyacencia con vectores de co-ocurrencia de palabras, por ejemplo, ‘trabajo’ aparece con ‘experiencia’ 16 veces y ‘trabajo’ aparece con ‘servicios’ 15 veces. Si este es el método de almacenamiento preferido o no, es […]

Incrustar un gráfico networkx en wxPython con matplotlib

He creado una gráfica con networkx. G=nx.DiGraph() # … building the graph … # and I can display it with matplotlib like this: nx.draw(G) matplotlib.pyplot.show() Pero lo que me gustaría hacer es, a partir del siguiente ejemplo, incrustar el gráfico creado en wxPython. Para empezar solo me gustaría imprimirlo; ninguna interacción del usuario en absoluto. […]

Networkx – Longitud del camino más corto

Estoy usando networkx para administrar un gran gráfico de red que consta de 50k nodos. Quiero calcular la longitud del camino más corto entre un conjunto específico de nodos, digamos N. Para eso estoy usando la función nx.shortest_path_length . En algunos de los nodos de N puede que no haya una ruta, por lo que […]

Recorrido del gráfico con Networkx (Python)

Estoy jugando un poco con Networkx para gestionar un gráfico de dependencias. Digamos que tengo este gráfico que cada letra representa un servidor >>> G = nx.Graph() >>> G.add_edge(“A”,”B”) >>> G.add_edge(“A”,”H”) >>> G.add_edge(“H”,”C”) >>> G.add_edge(“B”,”C”) >>> G.add_edge(“B”,”D”) A / \ HB / / \ CCD Entonces, aquí podemos ver que antes de comenzar con A […]

Fijar la posición del subconjunto de nodos en el gráfico de spring NetworkX

Al usar Networkx en Python, estoy tratando de visualizar cómo los diferentes críticos de películas están orientados hacia ciertas compañías de producción. Para mostrar esto en un gráfico, mi idea es fijar la posición de cada nodo de compañía de producción en una ubicación individual en un círculo, y luego usar el algoritmo spring_layout para […]

Python networkx y persistencia (quizás en neo4j)

Tengo una aplicación que crea muchos miles de gráficos en memoria por segundo. Deseo encontrar una manera de persistir estos para consultas posteriores. No son particularmente grandes (tal vez máx ~ 1k nodos). Necesito poder almacenar todo el objeto gráfico, incluidos los atributos de nodo y los atributos de borde. Entonces necesito poder buscar gráficos […]

Orden de nivel de desplazamiento para el gráfico en networkx

Estoy intentando convertir un DiGraph en un DiGraph n-ario y mostrar los nodos en orden de nivel o BFS. Mi árbol es similar a este, pero mucho más grande, por simplicidad usando este ejemplo: G = networkx.DiGraph() G.add_edges_from([(‘n’, ‘n1’), (‘n’, ‘n2’), (‘n’, ‘n3’)]) G.add_edges_from([(‘n4’, ‘n41’), (‘n1’, ‘n11’), (‘n1’, ‘n12’), (‘n1’, ‘n13’)]) G.add_edges_from([(‘n2’, ‘n21’), (‘n2’, ‘n22’)]) […]

Leyendo un gráfico networkx de un archivo csv con encabezado de fila y columna

Tengo un archivo CSV que representa la matriz de adyacencia de un gráfico. Sin embargo, el archivo tiene como primera fila las tags de los nodos y como primera columna también las tags de los nodos. ¿Cómo puedo leer este archivo en un objeto gráfico networkx ? ¿Hay una forma de python ordenada de hacerlo […]

Asignación de espacio de nombres predeterminado en networkx.write_gexf

Entregue este fragmento de código que la biblioteca networkx de python genera como un archivo GEXF válido, no puedo encontrar en ningún lugar de la documentación donde cambie xmlns: ns0 para que sea xmlns: viz … el espacio de nombres compatible con GEXF. En algún lugar podría haber anulado la parte VIZ del espacio de […]

networkx – lee edgelist en trozos (pandas)

Tengo una red muy grande para ser leída y analizada en Networkx (alrededor de 500 millones de líneas), almacenada en un edgelist ponderado en gzip (Nodo1 Nodo2 Peso). Hasta ahora bash leerlo con: # Open and Read File with gzip.open(network,’rb’) as fh: # Read Weighted Edge List G = nx.read_weighted_edgelist(fh, create_using=nx.DiGraph()) pero como es muy […]