图生成

大多数 igraph 应用程序的第一步是生成一个图。本节将解释多种生成图的方法。有关每个函数和类的详细信息，请阅读API 参考。

Graph 类是用于生成图的主要对象。

>>> from igraph import Graph

要复制图，请使用 Graph.copy()

>>> g_new = g.copy()

从节点和边生成

节点总是从 0 开始向上编号。要创建一个具有指定节点数（例如 10 个）和它们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）生成

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

• Graph.DictList(): 从字典列表

• Graph.TupleList(): 从元组列表

• Graph.ListDict(): 从列表字典

• Graph.DictDict(): 从字典字典

也提供了等效的方法来导出图，即将图转换为使用 Python 内置数据结构的表示形式：

• Graph.to_dict_list()

• Graph.to_tuple_list()

• Graph.to_list_dict()

• Graph.to_dict_dict()

有关详细信息和示例，请参阅每个函数的API 参考。

从矩阵生成

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]])

此图是有向的，并且有边 [0, 1]、[0, 2] 和 [2, 2]（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]])

从文件生成

要从支持的任何格式的文件中加载图，请使用 Graph.Load()。例如：

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

如果您不指定格式，igraph 将尝试自行识别，如果失败，它将报错。

从外部库生成

igraph 可以读写 networkx 和 graph-tool 图格式

>>> g = Graph.from_networkx(nwx)

和

>>> g = Graph.from_graph_tool(gt)

从 pandas DataFrame(s) 生成

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 ID 和目标顶点 ID，任何附加列表示边属性。您可以通过 Graph.DataFrame() 生成一个图：

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

可以通过单独的 DataFrame 同时设置顶点属性。假定第一列包含所有顶点 ID（包括任何没有边的顶点），任何附加列都是顶点属性：

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

从公式生成

要从字符串公式创建图，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。

完整图

要创建完整图，请使用 Graph.Full()

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

其中 n 是节点数。您可以指定方向性以及是否包含自环：

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

类似的方法 Graph.Full_Bipartite() 生成一个完整的二分图。最后，方法 Graph.Full_Citation() 创建了完整的引用图，其中索引为 i 的顶点与所有索引严格小于 i 的顶点都有有向边。

树和星形图

Graph.Tree() 可用于生成规则树，其中几乎每个顶点都具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（其中四个是叶子）的树。根节点（0）有两个子节点（1 和 2），每个子节点又各有两个子节点（即四个叶子）。规则树可以是定向的或无向的（默认）。

方法 Graph.Star() 创建一个星形图，它是树的一种子类型。

格图

Graph.Lattice() 创建指定大小的规则方格。例如：

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

创建一个二维的 3x3 网格（总共 9 个顶点）。circular 用于将格图的每条边连接回另一侧，这个过程也称为“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）足够重要，值得拥有自己的构造函数 Graph.Ring()，它可以是环形的或非环形的：

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

图谱

Roland C. Read 和 Robin J. Wilson 所著的《图谱》(‘An Atlas of Graphs’) 一书包含了所有最多七个顶点的无标签无向图，编号从 0 到 1252。您可以使用 Graph.Atlas() 按索引创建此列表中的任何图，例如：

>>> g = Graph.Atlas(44)

图按以下顺序排列：

• 节点数递增顺序；

• 对于固定节点数，按边数递增顺序；

• 对于固定节点数和边数，按度序列递增顺序，例如 111223 < 112222；

• 对于固定度序列，按自同构数递增顺序。

著名图

igraph C 核心手册上提供了一个精选的著名图列表，这些图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')

将教您一些关于武术的知识。

随机图

可以根据几种不同的模型或博弈创建随机图：

• 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()

• 森林火灾博弈：Graph.Forest_Fire()

• 随机几何图：Graph.GRG()

• 增长型：Graph.Growing_Random()

• 建立博弈：Graph.Establishment()

• 偏好（非增长型的建立博弈变体）：Graph.Preference()

• 不对称偏好：Graph.Asymmetric_Prefernce()

• 近期度：Graph.Recent_Degree()

• k-正则（每个节点度为 k）：Graph.K_Regular()

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

• 非增长图，具有预设的幂律度分布：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

最后，还有一些不在前面章节涵盖的图生成方法：

• Kautz 图：Graph.Kautz()

• De Bruijn 图：Graph.De_Bruijn()

• 从 LCF 符号生成图：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()