python ，网络

Question

<分区>

Answer 1

您的问题中涉及到几个困难的计算问题。

首先，一些理论。如果图 G 是平面图，则 G 的每个子图都是平面图。从 G(具有 e 边)翻转边，将得到 2^e-1 平面子图(如果我们不关心连通性)，这是指数的(即巨大和“坏”)。您可能想要找到“最大”平面子图。

如果你想绘制看起来也像平面的平面图是 computationally hard ，即知道存在边缘不交叉的图形表示是一回事，找到这样的表示是另一回事。

实现。似乎 networkx 没有检查图形是否为平面的功能。其他一些处理图形的包具有(例如，sage 具有 g.is_planar() 函数，其中 g 是一个图形对象)。下面，我基于 Kuratowski theorem 使用 networkx 编写了一个“天真”(必须有更有效的方法)平面性检查。 .

import pygraphviz as pgv
import networkx as nx
import itertools as it
from networkx.algorithms import bipartite

def is_planar(G):
    """
    function checks if graph G has K(5) or K(3,3) as minors,
    returns True /False on planarity and nodes of "bad_minor"
    """
    result=True
    bad_minor=[]
    n=len(G.nodes())
    if n>5:
        for subnodes in it.combinations(G.nodes(),6):
            subG=G.subgraph(subnodes)
            if bipartite.is_bipartite(G):# check if the graph G has a subgraph K(3,3)
                X, Y = bipartite.sets(G)
                if len(X)==3:
                    result=False
                    bad_minor=subnodes
    if n>4 and result:
        for subnodes in it.combinations(G.nodes(),5):
            subG=G.subgraph(subnodes)
            if len(subG.edges())==10:# check if the graph G has a subgraph K(5)
                result=False
                bad_minor=subnodes
    return result,bad_minor

#create random planar graph with n nodes and p probability of growing
n=8
p=0.6
while True:
    G=nx.gnp_random_graph(n,p)
    if is_planar(G)[0]:
        break
#visualize with pygraphviz
A=pgv.AGraph()
A.add_edges_from(G.edges())
A.layout(prog='dot')
A.draw('planar.png')

编辑2。 如果您在使用 pygraphviz 时遇到问题，请尝试使用 networkx 进行绘制，也许您会发现结果不错。因此，不要使用“使用 pygraphviz 可视化” block ，而是尝试以下操作:

import matplotlib.pyplot as plt
nx.draw(G)
# comment the line above and uncomment one of the 3 lines below (try each of them):
#nx.draw_random(G)
#nx.draw_circular(G)
#nx.draw_spectral(G)
plt.show()

编辑结束。

结果是这样的。

你看到图片上有一个交叉点(但图形是平面的)，这实际上是一个很好的结果(不要忘记这个问题在计算上很难)，pygraphviz 是对 Graphviz 的包装器它使用启发式算法。在 A.layout(prog='dot') 行中，您可以尝试将 'dot' 替换为 'twopi'、'neato'、'circo' 等，看看是否能实现更好的可视化效果。

编辑。让我们也考虑一下关于平面子图的问题。 让我们生成一个非平面图:

while True:
    J=nx.gnp_random_graph(n,p)
    if is_planar(J)[0]==False:
        break

我认为找到平面子图的最有效方法是从“坏次要”(即 K(5) 或 K(3,3))中消除节点。这是我的实现:

def find_planar_subgraph(G):
    if len(G)<3:
        return G
    else:
        is_planar_boolean,bad_minor=is_planar(G)
        if is_planar_boolean:
            return G
        else:
            G.remove_node(bad_minor[0])
            return find_planar_subgraph(G)

行动:

L=find_planar_subgraph(J)
is_planar(L)[0]
>> True

现在你有一个非平面图 G 的平面子图 L(一个 networkx 图对象)。