Python NetworkX MatplotLib有向图查找路径大于2的所有树

我在csv文件中有类似于以下内容的数据：

a,b,50
b,c,60
b,e,25
e,f,20
z,n,10
x,m,25
v,p,15

我试图使用NetworkX和Matplotlib来绘制数据，但是我的csv有很多行/节点，无法从图中看出任何意义

下面是我用来绘制的代码的重要部分：

import networkx as nx
import matplotlib.pyplot as plt

G = nx.DiGraph()

f = open("test_data.csv", "r")

for line in f:
    node1, node2, weight1 = line.split(",")
    G.add_edge(node1, node2)

nx.draw(G)
plt.show()

对于此示例数据，我以下图结束：

---

从这个小样本很容易看出，一些节点（[z，n]，[x，m][v，p]）是只有两个节点的树。我想检测并消除这些，因为我只关心大于两个节点的树。我相信有很多方法可以做到，有人能提出建议或给出一个例子吗？

对于您的具体情况，尝试迭代边缘列表，并查询图形目标节点本身是否有邻居（例如，目标是另一个边缘中的源）。如果目标不包含其他邻居，则满足您的条件

代码：

G应该只包含边（a，b），（b，e）：（参见下面的ipython输出）

---

祝你好运

我不知道nxapi，所以我不会使用G有向图对象来解决这个问题，而只使用dict

将networkx导入为nx
将matplotlib.pyplot作为plt导入
G=nx.DiGraph（）
f=打开（“test_data.csv”、“r”）
按节点分组={}
对于f中的行：
节点1、节点2、权重1=行分割（“，”）
如果节点1不在按节点分组的分组中，节点2不在按节点分组的分组中：
bloc=[node1，node2]
按节点[node1]分组=分组
blocs\u by\u节点[node2]=bloc
elif node1不在按节点分组的分组中，node2在按节点分组的分组中：
bloc=按节点[node2]分组
bloc.append（节点1）
按节点[node1]分组=分组
elif node1在按节点分组的分组中，node2不在按节点分组的分组中：
bloc=按节点[node1]分组
bloc.append（node2）
blocs\u by\u节点[node2]=bloc
elif blocs_by_节点[node1]不是blocs_by_节点[node2]：
bloc=按节点[node1]分组
对于块中的节点，按节点[node2]：
bloc.append（节点）
blocs\u by\u node[节点]=bloc
f、 关闭（）
f=打开（“test_data.csv”、“r”）
对于f中的行：
节点1、节点2、权重1=行分割（“，”）
如果len（按节点[node1]分组）大于2：
G.添加_边（节点1、节点2）
f、 关闭（）
nx.绘图（G）
plt.show（）

我读了两次文件，您可以通过将值存储在列表中重构代码以读取一次

顺便说一下，我希望示例的解决方案包含：

[('a', 'b'), ('b', 'c'), ('b', 'e'), ('e', 'f')]

---

您可以使用networkX bellman_ford方法查找长度超过给定最小值的路径。 为此，您需要一个权重设置为-1的有向图（或图）G

以下代码基于

将networkx导入为nx
将matplotlib.pyplot作为plt导入
数据=（'a'，'b'，50），（'b'，'c'，60），（'b'，'e'，25），
（'e'，'f'，20），（'z'，'n'，10），（'x'，'m'，25），
（'v'，'p'，15））
G=nx.DiGraph（）
对于节点1、节点2、数据中的权重1：
G.添加边（节点1、节点2、权重=-1）
最小长度=2
F=nx.DiGraph（）#过滤图
#与bellman_ford检查所有边缘
对于u、v和G边（）
VAL，距离=nx.贝尔曼·福特（G，u）
如果最小距离（distance.values（））<最小长度：
对于vals.items（）中的u、v：
如果v：
F.添加_边（v，u）
nx.绘图（F）
plt.show（）

这将生成符合要求的唯一图形：

请注意，这是确定具有最长路径（以距离为单位）的图的一般方法的简化。因此，如果您创建包含权重的图表，您可以在更改权重符号后应用bellman ford：

G = nx.DiGraph()
for node1, node2, weight1 in data:
    G.add_edge(node1, node2, weight=weight1)

min_lenght = 100  

H = nx.DiGraph(G)  # intermediate graph
# change sign of weights
for u, v in H.edges():
    H[u][v]['weight'] *= -1

# check all edges with bellman_ford
for u, v in G.edges():
    vals, distances = nx.bellman_ford(H, u)
    if min(distances.values()) < - min_lenght:
        #--- whatever ----

G=nx.DiGraph（）
对于节点1、节点2、数据中的权重1：
G.添加边（节点1、节点2、权重=权重1）
最小长度=100
H=nx.有向图（G）#中间图
#改变重量的符号
对于u，v在H.边（）中：
H[u][v][‘重量’]*=-1
#与bellman_ford检查所有边缘
对于u、v和G边（）
VAL，距离=nx.贝尔曼·福特（H，u）
如果最小距离（distance.values（））<最小长度：
#---随便----

每个人都给出了一些很好的答案，但出于我的特殊需要@joaquin的答案是最好的。谢谢你指出这是贝尔曼·福特车型，我可以看更多。

[('a', 'b'), ('b', 'c'), ('b', 'e'), ('e', 'f')]

import networkx as nx
import matplotlib.pyplot as plt

data = (('a','b',50), ('b','c',60), ('b','e',25),
        ('e','f',20), ('z','n',10), ('x','m',25),
        ('v','p',15))

G = nx.DiGraph()
for node1, node2, weight1 in data:
    G.add_edge(node1, node2, weight=-1)

min_lenght = 2
F = nx.DiGraph()   #filtered graphs

# check all edges with bellman_ford
for u, v in G.edges():
    vals, distances = nx.bellman_ford(G, u)
    if min(distances.values()) < - min_lenght:
        for u, v in vals.items():
            if v:
                F.add_edge(v, u)

nx.draw(F)
plt.show()

G = nx.DiGraph()
for node1, node2, weight1 in data:
    G.add_edge(node1, node2, weight=weight1)

min_lenght = 100  

H = nx.DiGraph(G)  # intermediate graph
# change sign of weights
for u, v in H.edges():
    H[u][v]['weight'] *= -1

# check all edges with bellman_ford
for u, v in G.edges():
    vals, distances = nx.bellman_ford(H, u)
    if min(distances.values()) < - min_lenght:
        #--- whatever ----