NetworkX是一个图论和复杂网络的科学网络建模工具，为了方便我们进行分析网络，方针建模等工作，它里面内置了常用的图与复杂网络的分析算法。最近在用来做community detection，下面是一些使用方法我经验介绍，与大家分享。
首先就是安装networkx与Python开发环境，安装很简单，不熟悉的话按照下面的步骤一次安装就行了。
首先到http://pypi.python.org/pypi/networkx/下载networkx-1.1-py2.6.egg，到http://sourceforge.net/projects/pywin32/下载pywin32-214.win32-py2.6.exe。如果要用Networkx的制图功能，还要去下载matplotlib和numpy，地址分别在http://sourceforge.net/projects/matplotlib/和http://sourceforge.net/projects/numpy/files/。注意都要用Python 2.6版本的。
上边四个包中，pywin32、matplotlib和numpy是exe文件，按提示一路next，比较容易安装。而NetworkX是个egg文件，安装稍微麻烦，需要用easyinstall安装。具体方法：
启动DOS控制台（在“运行”里输入cmd），输入C:Python26Libsite-packageseasy_install.py C:networkx-1.1-py2.6.egg，回车后会自动执行安装。注意我是把networkx-1.1-py2.6.egg放到了C盘根目录，读者在安装时应该具体根据情况修改路径。
安装完成后，启动 “开始 - 程序 - ActiveState ActivePython 2.6 (32-bit) - PythonWin Editor”，在shell中输入：
import networkx as nx
print nx
如果能输出：
说明Networkx已经安装好了，可以正常调用。
关于Python语言，如果没有接触过可以找一本Python的语法书来看看（推荐《Python 精要参考(第二版)》，网上有电子版）。这个语言很简单易学，只要有点编程基础，几天就可以学会它，然后就可以自如的运用它调用NetworkX了。
接下来建立图和网络：
1、无向图
在PythonWin 的Shell里输入：
import networkx as nx #导入NetworkX包，为了少打几个字母，将其重命名为nx
G = nx.Graph() #建立一个空的无向图G
G.add_node(1) #添加一个节点1
G.add_edge(2,3) #添加一条边2-3（隐含着添加了两个节点2、3）
G.add_edge(3,2) #对于无向图，边3-2与边2-3被认为是一条边
print G.nodes() #输出全部的节点： [1, 2, 3]
print G.edges() #输出全部的边：[(2, 3)]
print G.number_of_edges() #输出边的数量：1
这样就可以建立一个简单的无向图了。如果你的数据是存在文件里的，可以循环从文件中读取节点和边添加到G中。
2 无向图
有向图有向图的建立方式和无向图基本类似，只是在上述代码的第二行，将G = nx.Graph() 改为 G = nx.DiGraph() 。需要注意的是，此时再添加边3-2与边2-3，则被认为是两条不同的边（可以试着运行上述代码，自己查看结果）。同时，有向图和无向图是可以相互转化的，分别用到Graph.to_undirected()
Graph.to_directed()两个方法。
3、加权图（网络）
有向图和无向图都可以给边赋予权重，用到的方法是add_weighted_edges_from，它接受1个或多个三元组[u,v,w]作为参数，其中u是起点，v是终点，w是权重。
例如：G.add_weighted_edges_from([(0,1,3.0),(1,2,7.5)])添加0-1和1-2两条边，权重分别是3.0和7.5。如果想读取权重，可以使用get_edge_data方法，它接受两个参数u和v，即边的起讫点。
例如：print G.get_edge_data(1,2)
#输出{'weight': 7.5}，这是一个字典结构，可以查看python语法了解它的用法。
然后调用图算法
NetworkX提供了常用的图论经典算法，例如DFS、BFS、最短路、最小生成树、最大流等等，非常丰富，如果不做复杂网络，只作图论方面的工作，也可以应用NetworkX作为基本的开发包。具体的算法调用方法我就不一一介绍了，可以浏览NX的在线手册http://networkx.lanl.gov/reference/algorithms.html，对每个算法都提供了详细的帮助文档和示例。下面只给出一个最短路算法的例子：
path=nx.all_pairs_shortest_path(G)
#调用多源最短路径算法，计算图G所有节点间的最短路径
print path[0][2]
#输出节点0、2之间的最短路径序列： [0, 1, 2]
小结
作为NetworkX学习笔记的第一部分，今天先简单介绍下NetworkX的安装与基本使用方法。后边有时间会陆续介绍：用NetworkX进行复杂网络拓扑结构统计指标计算、典型复杂网络建模（随机图、小世界、无标度等）以及复杂网络可视化的方法等，请感兴趣的朋友关注并提出批评与意见。
