Полный график с использованием Networkx на Python

Полный граф, также называемый полным графом, - это граф, который имеет n вершин, где степень каждой вершины равна n-1. Другими словами, каждая вершина связана со всеми остальными вершинами.

Пример: полный график с 6 ребрами:

C_G ₆

Свойства полного графа:

• Степень каждой вершины n-1.
• Общее количество ребер равно n (n-1) / 2.
• Все возможные ребра в простом графе существуют в полном графе.
• Это циклический граф.
• Максимальное расстояние между любой парой узлов - 1.
• Хроматическое число равно n, так как каждый узел связан с каждым другим узлом.
• Его дополнение - пустой граф.

Мы будем использовать модуль networkx для реализации полного графа. Он поставляется со встроенной функцией networkx.complete_graph () и может быть проиллюстрирован с помощью метода networkx.draw (). Этот модуль в Python используется для визуализации и анализа различных типов графиков.

Syntax: networkx.complete_graph(n)

Parameters:

• N: Number of nodes in complete graph.
• Returns an networkx graph complete object.
• Nodes are indexed from zero to n-1.

Used to realize the graph by passing graph object.

networkx.draw(G, node_size, node_color)

Parameters:

• G: It refers to the complete graph object
• node_size: It refers to the size of nodes.
• node_color: It refers to color of the nodes.

Подход:

• Импортируем необходимый модуль networkx.
• Затем мы создадим объект-график, используя networkx.complete_graph (n).
• Где n указывает количество узлов.
• Для реализации графа мы будем использовать networkx.draw (G, node_color = 'green', node_size = 1500)
• Аргументы node_color и node_size определяют цвет и размер узлов графа.

Example 1:

Выход:

Результат вышеупомянутой программы дает полный граф с 6 узлами в качестве выходных данных, поскольку мы передали 6 в качестве аргумента функции complete_graph.

Example 2:

Выход:

Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.

Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.