Networkx 生成器

# NetworkX 图生成器 ## 经典图 ### 完全图 python # 完全图（所有节点均相互连接） G = nx.complete_graph(n=10) # 完全二分图 G = nx.complete_bipartite_graph(n1=5, n2=7) # 完全多部图 G = nx.complete_multipartite_graph(3, 4, 5) # 三个分区 ### 环图与路径图 python # 环图（节点排列成圆形） G = nx.cycle_graph(n=20) # 路径图（线性链） G = nx.path_graph(n=15) # 圆形梯形图 G = nx.circular_ladder_graph(n=10) ### 正则图 python # 空图（无边） G = nx.empty_graph(n=10) # 零图（无节点） G = nx.null_graph() # 星形图（一个中心节点连接所有其他节点） G = nx.star_graph(n=19) # 创建20个节点的星形图 # 轮图（带中心枢纽的环） G = nx.wheel_graph(n=10) ### 特殊命名图 python # 公牛图 G = nx.bull_graph() # Chvatal 图 G = nx.chvatal_graph() # 立方图 G = nx.cubical_graph() # 钻石图 G = nx.diamond_graph() # 十二面体图 G = nx.dodecahedral_graph() # Heawood 图 G = nx.heawood_graph() # 房屋图 G = nx.house_graph() # Petersen 图 G = nx.petersen_graph() # 空手道俱乐部图（经典社交网络） G = nx.karate_club_graph() ## 随机图 ### Erdős-Rényi 图 python # G(n, p) 模型：n个节点，边概率为p G = nx.erdos_renyi_graph(n=100, p=0.1, seed=42) # G(n, m) 模型：n个节点，恰好m条边 G = nx.gnm_random_graph(n=100, m=500, seed=42) # 快速版本（适用于大型稀疏图） G = nx.fast_gnp_random_graph(n=10000, p=0.0001, seed=42) ### Watts-Strogatz 小世界网络 python # 带重连的小世界网络 # n个节点，k个最近邻居，重连概率p G = nx.watts_strogatz_graph(n=100, k=6, p=0.1, seed=42) # 连通版本（保证连通性） G = nx.connected_watts_strogatz_graph(n=100, k=6, p=0.1, tries=100, seed=42) ### Barabási-Albert 优先连接模型 python # 无标度网络（幂律度分布） # n个节点，新节点连接的边数m G = nx.barabasi_albert_graph(n=100, m=3, seed=42) # 带参数的扩展版本 G = nx.extended_barabasi_albert_graph(n=100, m=3, p=0.5, q=0.2, seed=42) ### 幂律度序列 python # 幂律聚类图 G = nx.powerlaw_cluster_graph(n=100, m=3, p=0.1, seed=42) # 随机幂律树 G = nx.random_powerlaw_tree(n=100, gamma=3, seed=42, tries=1000) ### 配置模型 p