图形生成

大多数igraph应用的第一步是生成一个图。本节将解释几种实现这一目标的方法。有关每个函数和类的详细信息，请阅读API参考。

Graph 类是用于生成图形的主要对象：

>>> from igraph import Graph

要复制一个图形，请使用 Graph.copy()：

>>> g_new = g.copy()

从节点和边

节点总是从0开始编号。要创建一个具有指定数量节点（例如10）及其之间边列表的通用图，您可以使用通用构造函数：

>>> g = Graph(n=10, edges=[[0, 1], [2, 3]])

如果未指定，图形是无向的。要创建有向图：

>>> g = Graph(n=10, edges=[[0, 1], [2, 3]], directed=True)

要指定边的权重（或任何其他顶点/边属性），请使用字典：

>>> g = Graph(
...     n=4, edges=[[0, 1], [2, 3]],
...     edge_attrs={'weight': [0.1, 0.2]},
...     vertex_attrs={'color': ['b', 'g', 'g', 'y']}
... )

要从类型列表和边列表创建二分图，请使用 Graph.Bipartite()。

从Python内置结构（列表、元组、字典）

igraph 支持多种“转换”方法，可以从 Python 内置数据结构（如字典、列表和元组）中导入图：

等效的方法可用于导出图形，即将图形转换为使用Python内置数据结构的表示形式：

查看每个函数的API参考以获取详细信息和示例。

从矩阵

要从邻接矩阵创建图，请使用 Graph.Adjacency() 或者，对于加权矩阵，使用 Graph.Weighted_Adjacency()：

>>> g = Graph.Adjacency([[0, 1, 1], [0, 0, 0], [0, 0, 1]])

这个图是有向的，并且有边 [0, 1]、[0, 2] 和 [2, 2]（一个自环）。

要从二分邻接矩阵创建二分图，请使用 Graph.Biadjacency():

>>> g = Graph.Biadjacency([[0, 1, 1], [1, 1, 0]])

从文件

要从支持格式的文件中加载图形，请使用 Graph.Load()。例如：

>>> g = Graph.Load('myfile.gml', format='gml')

如果你没有指定格式，igraph 会尝试自动识别，如果识别失败，它会报错。

来自外部库

igraph 可以读取和写入 networkx 和 graph-tool 图格式：

>>> g = Graph.from_networkx(nwx)

和

>>> g = Graph.from_graph_tool(gt)

从 pandas DataFrame(s)

一种常见的做法是将边存储在pandas.DataFrame中，其中前两列是源顶点和目标顶点的ID，任何额外的列表示边的属性。您可以通过Graph.DataFrame()生成一个图：

>>> g = Graph.DataFrame(edges, directed=False)

可以通过一个单独的DataFrame同时设置顶点属性。第一列假定包含所有顶点ID（包括没有任何边的顶点），任何额外的列都是顶点属性：

>>> g = Graph.DataFrame(edges, directed=False, vertices=vertices)

从公式

要从字符串公式创建图形，请使用 Graph.Formula()，例如：

>>> g = Graph.Formula('D-A:B:F:G, A-C-F-A, B-E-G-B, A-B, F-G, H-F:G, H-I-J')

注意

这个特定的公式还为顶点分配了‘name’属性。

完全图

要创建一个完整的图，请使用 Graph.Full()：

>>> g = Graph.Full(n=3)

其中 n 是节点的数量。您可以指定是否有向以及是否包含自环：

>>> g = Graph.Full(n=3, directed=True, loops=True)

类似的方法，Graph.Full_Bipartite()，生成一个完全二分图。最后，方法 Graph.Full_Citation() 创建了完整的引用图，其中索引为 i 的顶点有一条有向边指向所有索引严格小于 i 的顶点。

树和星星

Graph.Tree() 可以用来生成规则的树，其中几乎每个顶点都有相同数量的子节点：

>>> g = Graph.Tree(n=7, n_children=2)

创建一个有七个顶点的树 - 其中四个是叶子。根节点（0）有两个子节点（1和2），每个子节点又有两个子节点（四个叶子）。常规树可以是有向的或无向的（默认）。

方法 Graph.Star() 创建一个星形图，它是树的一个子类型。

格子

Graph.Lattice() 创建一个选定大小的规则方形格子。例如：

>>> g = Graph.Lattice(dim=[3, 3], circular=False)

创建一个二维的3×3网格（总共9个顶点）。circular用于将网格的每条边连接到另一侧，这个过程也被称为“周期性边界条件”，有时有助于平滑边缘效应。

一维情况（路径图或环图）非常重要，值得拥有自己的构造函数 Graph.Ring()，它可以是环形的，也可以不是：

>>> g = Graph.Ring(n=4, circular=False)

图集

罗兰·C·里德和罗宾·J·威尔逊所著的《图集》一书包含了所有最多七个顶点的未标记无向图，编号从0到1252。您可以通过索引使用Graph.Atlas()从该列表中创建任何图，例如：

>>> g = Graph.Atlas(44)

图表如下：

  • 按节点数量递增的顺序；

  • 对于固定数量的节点，按边数的增加顺序排列；

  • 对于固定数量的节点和边，按照度序列的递增顺序排列，例如 111223 < 112222;

  • 对于固定的度序列，随着自同构数量的增加。

著名图表

在igraph C核心手册上可以找到一个精选的著名图列表，这些图通常用于文献中的基准测试和其他目的。您可以通过名称生成该列表中的任何图，例如：

>>> g = Graph.Famous('Zachary')

将教你一些关于武术的知识。

随机图

随机图可以根据几种不同的模型或游戏创建：

  • Barabási-Albert 模型: Graph.Barabasi()

  • Erdős-Rényi: Graph.Erdos_Renyi()

  • Watts-Strogatz Graph.Watts_Strogatz()

  • 随机块模型 Graph.SBM()

  • 随机树 Graph.Tree_Game()

  • 森林火灾游戏 Graph.Forest_Fire()

  • 随机几何图 Graph.GRG()

  • 增长 Graph.Growing_Random()

  • 建立游戏 Graph.Establishment()

  • 偏好，非增长的建立变体 Graph.Preference()

  • 不对称偏好 Graph.Asymmetric_Prefernce()

  • 最近的度数 Graph.Recent_Degree()

  • k-正则（每个节点的度数为k）Graph.K_Regular()

  • 非增长图，其边的概率与节点适应度成比例 Graph.Static_Fitness()

  • 具有指定幂律度分布的非增长图 Graph.Static_Power_Law()

  • 具有给定度序列的随机图 Graph.Degree_Sequence()

  • 二分图 Graph.Random_Bipartite()

其他图表

最后，还有一些生成图表的方法未在前面的章节中涵盖：

  • Kautz图 Graph.Kautz()

  • 德布鲁因图 Graph.De_Bruijn()

  • 从LCF表示法生成的图 Graph.LCF()

  • 任何“同构类”的小图 Graph.Isoclass()

  • 具有指定度序列的图 Graph.Realize_Degree_Sequence()