igraph，一个复杂网络的 Python 库！

igraph：让你玩转复杂网络的神器

我最近发现了个宝贝，叫igraph，是个用Python搞复杂网络分析的利器。这玩意儿简直太强了，能帮你轻松搞定网络构建、可视化和各种复杂的分析。不管你是搞社交网络、生物信息还是交通系统，igraph都能派上大用场。来，我们一起瞧瞧这个宝贝能干啥。

1

安装igraph：小菜一碟

安装igraph简直不要太简单，直接用pip就搞定了：  

pip install python-igraph

温馨提示：如果你想要可视化功能，最好再装个Cairo库。不过别怕，大多数情况下，pip会自动帮你搞定依赖。

2

创建你的第一个图：so easy

igraph里最基本的概念就是 图（Graph） 。来，咱们创建一个简单的图试试水：

import igraph as ig# 创建一个无向图g = ig.Graph()# 添加一些顶点g.add_vertices(5)# 添加一些边g.add_edges([(0，1)， (1，2)， (2，3)， (3，4)， (4，0)])print(g)

看到没，就这么几行代码，一个环形图就出来了。igraph里的图默认是从0开始编号的，所以别搞错了哈。

3

给图加点料：属性设置

光有骨架不行，得给图加点肉。igraph允许你给顶点和边加上各种属性，比如名字、权重啥的：  

# 给顶点加名字g.vs[“name”] = [“Alice”， “Bob”， “Charlie”， “David”， “Eve”]# 给边加权重g.es[“weight”] = [1.0， 2.0， 3.0， 4.0， 5.0]# 打印一下看看print(g.vs[“name”])print(g.es[“weight”])

这里vs是顶点的集合，es是边的集合。你可以像操作字典一样给它们加属性，贼方便。

4

来点高级的：图的分析

igraph真正牛x的地方在于它的分析功能。比如说，想知道谁是图中的“大佬”（度中心性最高的点）？  

# 计算度中心性degrees = g.degree()max_degree = max(degrees)big_shots = [v.index for v in g.vs if v.degree() == max_degree]print(f“图中的大佬是： {[g.vs[i]['name'] for i in big_shots]}”)

这段代码计算了每个顶点的度（与之相连的边的数量），然后找出度最大的那些顶点。在社交网络里，这些可能就是最有影响力的人。

5

可视化：让你的图动起来

光看数字没意思，来画个图瞧瞧：  

import matplotlib.pyplot as plt# 获取布局layout = g.layout(“kk”)# 绘图fig， ax = plt.subplots()ig.plot(    g，    layout=layout，    target=ax，    vertex_size=30，    vertex_color=“lightblue”，    vertex_label=g.vs[“name”]，    edge_width=[w/2 for w in g.es[“weight”]])plt.show()

6

社区发现：揪出小圈子

在大型网络中，经常会有一些小圈子。igraph提供了多种方法来发现这些社区：  

这里用了Erdős–Rényi模型随机生成了一个图，然后用快速贪婪算法检测了社区。你还可以试试其他算法，比如Louvain方法啥的。

温馨提示：社区检测算法可能会因为随机性给出不同的结果，所以多跑几次看看结果是不是稳定的。

igraph真是个宝藏库，我这里只是浅尝辄止。它还有超多高级功能，比如最短路径、中心性分析、图的同构检测等等。慢慢探索，你会发现更多有意思的东西。

用igraph分析复杂网络，就像拿着X光机看透了整个系统的骨架。无论是研究社交网络的“网红效应”，还是分析交通网络找出最容易堵车的路段，igraph都能帮你搞定。好了，今天就聊到这，去试试吧，相信你会爱上这个强大的工具的！