转换为其他数据格式或从其他数据格式转换#

到NetworkX图形#

用于将NetworkX图形转换为其他格式或从其他格式转换为其他格式的函数。

将数据转换为NetworkX图形的首选方法是通过图形构造函数。构造函数调用to-networkx-graph()函数,该函数尝试猜测输入类型并自动转换。

实例#

从字典中创建具有单边的图表

>>> d = {0: {1: 1}}  # dict-of-dicts single edge (0,1)
>>> G = nx.Graph(d)

另请参阅#

NX_aggraph、NX_PYDot

to_networkx_graph(data[, create_using, ...])

根据已知的数据结构制作NetworkX图。

辞典#

to_dict_of_dicts(G[, nodelist, edge_data])

将图形的邻接表示形式作为字典返回。

from_dict_of_dicts(d[, create_using, ...])

返回字典中的图表。

列表#

to_dict_of_lists(G[, nodelist])

以列表字典的形式返回图形的邻接表示形式。

from_dict_of_lists(d[, create_using])

返回列表字典中的图表。

to_edgelist(G[, nodelist])

返回图表中的边列表。

from_edgelist(edgelist[, create_using])

返回边列表中的图形。

麻木的#

用于在NetworkX图形与常见数据容器(如Numy数组、Scipy稀疏数组和Pandas DataFrame)之间进行转换的函数。

将数据转换为NetworkX图形的首选方法是通过图形构造函数。构造函数调用 to_networkx_graph 尝试猜测输入类型并自动进行转换的函数。

实例#

从numpy数组创建一个10节点随机图

>>> import numpy as np
>>> rng = np.random.default_rng()
>>> a = rng.integers(low=0, high=2, size=(10, 10))
>>> DG = nx.from_numpy_array(a, create_using=nx.DiGraph)

或同等条件下:

>>> DG = nx.DiGraph(a)

哪个呼叫 from_numpy_array 内部基于类型的 a

另请参阅#

NX_aggraph、NX_PYDot

to_numpy_matrix(G[, nodelist, dtype, order, ...])

以numpy矩阵的形式返回图形邻接矩阵。

to_numpy_array(G[, nodelist, dtype, order, ...])

以numpy数组形式返回图形邻接矩阵。

to_numpy_recarray(G[, nodelist, dtype, order])

以numpy recarray形式返回图形邻接矩阵。

from_numpy_matrix(A[, parallel_edges, ...])

返回numpy矩阵中的图形。

from_numpy_array(A[, parallel_edges, ...])

从二维NumPy数组返回图形。

斯皮皮#

to_scipy_sparse_array(G[, nodelist, dtype, ...])

以SciPy稀疏数组的形式返回图形邻接矩阵。

to_scipy_sparse_matrix(G[, nodelist, dtype, ...])

以scipy稀疏矩阵的形式返回图形邻接矩阵。

from_scipy_sparse_matrix(A[, ...])

从给定为scipy稀疏矩阵的邻接矩阵创建新图形。

from_scipy_sparse_array(A[, parallel_edges, ...])

从给定为SciPy稀疏数组的邻接矩阵创建新图形。

熊猫#

to_pandas_adjacency(G[, nodelist, dtype, ...])

以熊猫数据帧的形式返回图形邻接矩阵。

from_pandas_adjacency(df[, create_using])

返回熊猫数据帧中的图形。

to_pandas_edgelist(G[, source, target, ...])

以熊猫数据帧的形式返回图形边缘列表。

from_pandas_edgelist(df[, source, target, ...])

从包含边缘列表的熊猫数据帧返回一个图表。