1.1 networkx Basics

# networkX 的基础性质
*networkX提供了很多处理network的函数，我需要知道的是networkX如何input 网络信息，并且知道哪些函数来处理这些网络信息；在这之前，先看下networkX的基本函数*
 ## networkX的一些基本函数
 ### node and edge attributes
  -*how to access edge attributes*  
  ` import networkx as nx  
  G = nx. Graph()  # 生成Graph类的对象，G   
  G.add_edges('A','B', weight=6, relation='family')   
  G.add_edges('B','C', weight=13, relation='friend') # 输入了A-B-C点组成的edges,以及edges所拥有的属性
    
  # to get list of all edges  
  G.edges()  # 用G的edges()方法获得edges的部分信息-这里没有参数输入，返回值是形成edges的点组成的元组对，并通过list返回   
  [('A','B'),('C','B')]
  
  # to get list of all edges with attributes
  G.edges(data=True) # 用G对象的edges()方法，并设置参数-获得edges的相关属性，这里data=True, 表示得到edges的所有属性。返回的格式还是list; 其中每个edge都是一个元组对；元组对中包括两个信息：一是edge的nodes以及edge的属性，属性统一用字典格式返回   
  [('A','B',{'relation': 'family', 'weight': 6}),('C','B',{'relation:'friend', 'weight': 13})]
  
  # to get list of all edges with certain attribute 'relation'
  G.edges(relation=True) # 还是用G的edges()方法，返回值还是list, list中还是以元组对表示edge的信息，每个元组包含我们access的信息，这里参数是relation=True,表示我们提取的信息是 edge的relation属性
  [('A','B','famliy'),('C','B','friend')] # 由于参与已经规定了relation属性，返回的元组中就是字典的value, 并且不需要key(relation),因此，元组中属性就不再以字典返回属性
   
  # to get attributes of particular edge 
  G.edge['A']['B'] 因为G的edge信息是list, 这里索引方法还是用中括号索引。索引方法是按照nodes来索引edge属性
  # 因为networkX中edges属性是字典储存的，因此返回值一定是字典
  {'relation':'family', 'weight':6}
  
  # to get the weight of certain edge (B,C)
  G.edge['B']['C']['weight']  ## 返回字典中的value
  13 '
  
  -*how to access node attributes*  
  > The nodes can also have a particular attribute
   node 主要储存的信息是产生edges的对象的信息，这些信息和edges属性一样，以字典格式储存、索引
   
  `  >>> import networkx as nx
 >>> G = nx.Graph()
 >>> G.add_edges('A', 'B', weight=6, relation='family')
 >>> G.add_edges('C', 'B', weight=13, relation='friend')
 >>>
 >>> G.add_node('A', role='trader')
 >>> G.add_node('B', role='trader')
 >>> G.add_node('C', role='manager')
 >>>
 >>> # To get list of all the nodes
 >>> G.nodes() # 返回值是list,因为是node 因此不需要元组格式
 	['A', 'C', 'B']
 >>>
 >>> # To get list of all the nodes with attributes
 >>> G.nodes(data=True) # 返回还是list, 其中node的属性以字典格式返回
 	[('A', {'role': 'trader'}), ('C', {'role': 'manager'}), ('B', {'role': 'trader'})]
 >>>
 >>> # To get attribute for a particular Node
 >>> G.node['A']['role'] #对特定点属性的索引
 	'trader' 
'
## networkX的一些基本函数的应用：Bipartite Graph
> Bipartite Graphs - a graph is a bipartite graph if it has two sets of nodes which we call L and R, and every single edge connects a node from L to R  
> So, no edge connects a node from L to another node in L, and no edge connects a node in R to another node in R  

Bipartite Graph是一类特殊性质的网络图，他是分割的set形成是网络。对我来讲，似乎不太重要。这里就省略关于bipartite的函数的介绍。



***
*可以看出，networkX提供的基本方法，可以用于构建、所以网络；主要的信息储存在nodes & edges 当中；多我来说，我们关注的现象一般会用一些本身的属性（node属性，比如资产规模，地址等）*
*还有一些更重要的信息是edges上的信息，这些各种link\connection\dependecy所形成的edge才是更重要的信息，这些信息都是以edges属性的方法储存在字典当中；那么问题是如何将这些信息输入到edge和node的字典当中*
*一般不会一个一个输入这些input，因为我们关注的现象必然是规模庞大的，这并不适合手动输入；那么问题是如何获得这些node和edge的信息*
*并且把这些信息构建成一个networkX能够识别的文件*