NetworkX para redes complexas

NetworkX é uma biblioteca Python para a criação, manipulação e estudo da estrutura, dinâmica e funções de redes complexas. É usado para analisar e modelar redes complexas, como redes sociais, biológicas e tecnológicas. O NetworkX fornece ferramentas para gerar redes aleatórias e sintéticas, bem como para medir as propriedades estruturais das redes e analisar a dinâmica de sistemas complexos que podem ser representados como redes. NetworkX é usado em uma variedade de campos, incluindo sociologia, física, ciência da computação e biologia, para estudar sistemas complexos e entender os padrões e estruturas subjacentes que governam seu comportamento.

instalando networkX

pip install networkx

arcs=[(0,43), (0,56), (1,2), (1,6), (2,5), (2,14), (3,4), (3,17),(4,5), (4,16), (5,15), 
      (5,14), (6,7), (6,14), (7,8), (7,14), (8,9), (8,11), (10,11), (10,24), (11,12), 
      (11,24), (11,25), (12,13), (12,23), (13,14), (13,22), (14,21), (15,21), (15,18), 
      (16,17), (16,18), (17,19), (18,20), (19,20), (20,21), (20,35), (20,36), (21,33), 
      (22,26), (22,27), (23,25), (23,26), (24,25), (25,30), (26,31), (27,32), (27,33)]

import networkx as nx
g = nx.Graph()
g.add_edges_from(arcs)

• Listas de arestas: Esta é uma lista de tuplas, onde cada tupla representa uma aresta no grafo com seus dois nós terminais.
• Listas de adjacência: Esta é uma representação simples de um grafo como uma lista de listas, onde cada lista interna representa os vizinhos de um único nó.
• Estruturas de dados baseadas em dicionário: NetworkX também pode lidar com gráficos representados como dicionários, onde as chaves são os nós e os valores são os vizinhos de cada nó.
• Listas de nós: Esta é uma lista de nós no grafo, sem informações sobre as arestas entre eles.
• Matrizes de adjacência: Esta é uma matriz bidimensional onde as linhas e colunas representam nós, e as células representam a presença ou ausência de uma aresta entre os nós.

g.size()

import matplotlib.pyplot as plt
fig, ax = plt.subplots(figsize=(14,14))
nx.draw(g,with_labels = True, ax = ax, node_size=1500)

      
                

                    
                    
                
            

g.add_node(99)
g.add_edge(99,0)