简介
图论中最重要的思想之一是全图的思想。它由称为“节点”的“点”组成，这些“点”全部通过“边”连接。换句话说，它有更多的链接。完整图在许多领域都非常重要，例如计算机网络、社交网络和解决优化问题。
Networkx 是一个功能强大的 Python 工具，使程序员和数据科学家可以轻松地处理和查看复杂的图表。用户可以利用 Networkx 易于使用的界面和许多功能轻松制作、编辑、可视化和移动图表。正因为如此，它是了解丰富的图论世界以及如何将其应用于数据结构和其他领域的重要工具。
安装 Networkx
可以使用两个最著名的包管理器将 Networkx 添加到 Python 中。用于构建它们的包称为 pip 和 conda。无论如何，这就是让 Networkx 启动并运行所需要做的一切 -
使用 pip（适用于 Windows
-
打开命令行界面（例如 Windows 上的命令提示符、Mac OS/Linux 上的终端）。
立即学习“Python免费学习笔记（深入）”；
确保您的系统上安装了 Python。您可以通过在命令行中运行 python --version 来检查。
通过执行 pip install --upgrade pip 将 pip 更新到最新版本。
要安装 Networkx，只需输入 pip install networkx 并按 Enter 键即可。
pip 现在将自动下载并安装最新版本的 Networkx 及其依赖项
使用 conda（适用于 Mac）
如果您安装了 Anaconda 或 Miniconda，请打开终端或 Anaconda Prompt。
如果您没有 Anaconda 或 Miniconda，请从官方网站 (https://www.anaconda.com/products/individual) 下载并安装合适的版本。
打开 Anaconda Prompt 后，执行以下命令：conda 安装-c conda-forge networkx。
conda 现在将解析依赖项并在您的系统上安装 Networkx。
完成上述任一步骤后，Networkx 应该已成功安装在您的计算机上，您可以开始使用它在 Python 中生成和分析图形。
要验证安装，您可以通过键入 import networkx 将 Networkx 集成到 Python 交互式 shell 或脚本中。如果没有错误，则安装成功，您可以使用 Networkx 探索不同的图形相关任务和算法
创建完整的图表
Networkx 可以轻松构建整个图。完整的图是其中有一条唯一的边连接每对唯一的节点的图。 Networkx 中的complete_graph() 方法可用于构造整个图。图中的节点数说明了如何生成由五个节点组成的整个图
import networkx as nx # Create a complete graph with 5 nodes complete_graph = nx.complete_graph(5)
添加节点和边
Networkx 可以轻松地向图表添加节点和链接，无论图表是否已满。我们使用 add_node() 方法并将节点名称作为输入来添加单个节点。作为示例 -
Python代码
complete_graph.add_node(6)
add_nodes_from() 方法将节点标签列表作为参数，这让我们可以一次添加多个节点。包含边缘的方法是相同的。使用 add_edge() 方法，在节点 1 和 2 之间建立链接 -
Python代码
complete_graph.add_edge(1, 2)
可以将元组列表（其中每个元组代表两个节点之间的一条边）传递给 add_edges_from() 方法以一次添加多个边。
Python代码
edges_to_add = [(3, 4), (4, 0), (2, 3)] complete_graph.add_edges_from(edges_to_add)
Networkx 还允许您使用权重和标签等附加属性自定义边，这在许多基于图形的用例中可能很有用。
可视化完整图表
理解图表的结构和属性需要将其整体可视化。 Networkx 与 Matplotlib 工具包结合使用，使图形可视化变得轻而易举。 Networkx 的 draw() 方法允许我们创建一个综合图 -
Python代码
import matplotlib.pyplot as plt # Draw the complete graph nx.draw(complete_graph, with_labels=True, node_color='skyblue', node_size=800, font_size=10) # Show the plot plt.show()
访问图形信息
Networkx 为您提供了不同的方法来获取整个图表的重要细节。例如，我们可以使用nodes()方法来获取节点列表 -
Python代码
all_nodes = complete_graph.nodes()
我们可以使用edges()方法来获取边列表
Python代码
all_edges = complete_graph.edges()
我们还可以使用 Degree() 方法获取节点的度数分布，该方法给出一个以节点为键、度数为值的字典
Python代码
degree_distribution = complete_graph.degree()
通过查看这些信息，我们可以了解很多有关整个图的结构和属性的信息，这对于许多使用图的方法和应用程序来说非常重要。
应用程序
完整的图表在现实世界中有很多用途，因为它们显示了一切是如何链接的。它们也是理解复杂关系的好方法
社交网络 - 完整的图表显示了小型社交群体中的人们如何相互联系。这基本上用于小镇或一群朋友
交通系统 - 完整的交通网络在所有地点之间具有清晰的联系，并通过完整的图表显示。他们帮助找出最佳方法并规划基础设施
计算机网络 - 网络中的所有小工具都可以在完整的图中直接相互通信。它们帮助人们了解数据如何发送以及如何处理错误。
结论
总之，在 Python 中使用 Networkx 处理完整的图开辟了数据结构和图论选项的全新世界。 Networkx 为您提供了一种易于使用且有效的方法来制作、查看和检查完整的图表。完整的图对于理解全连接网络的复杂性非常重要，这使得它们在许多现实情况中都很有用。完整的图表显示了连接和速度如何在从社交网络到交通系统和计算机网络的各个领域发挥作用。通过使用 Networkx 的强大功能，开发人员和研究人员可以了解更多信息、改进系统设计并解决许多不同领域的难题。任何对基于图形的数据分析感兴趣的人都会发现使用 Python 和 Networkx 查看完整图形是有益的。
