igraph 是一个用于创建、分析和可视化复杂网络（图论中的"图"）的强大开源库。
它核心由 C 语言编写，追求极致的运行效率，并提供了 R 语言、Python 等多种高级编程语言的友好接口，让你无需直接编写 C 代码也能轻松使用。
你可以把 igraph 当作一个功能全面的"网络工具箱"。它的主要作用可以概括为三点：
- 构建网络：支持从无到有创建各种类型的网络，包括有向图、无向图、加权图等，也可以从文件中读取数据来构建网络。
- 分析网络：内置了海量的经典和现代图算法。例如，计算节点的" centrality"中心性指标（如度中心性、介数中心性）来识别重要节点、发现网络中的社群结构、查找节点间的最短路径等。
- 可视化网络：提供了多种布局算法，能将抽象的网络数据绘制成直观的图形，方便你观察和理解网络结构。
如何使用 igraph
igraph 的使用方式取决于你选择的编程语言。下面以最流行的 R语言 和 Python 为例，展示它的基本用法。
在 R 语言中使用 igraph
首先需要安装并加载包：
install.packages("igraph")
library(igraph)
1. 创建并查看一个简单的网络 下面的代码创建了一个包含5个节点和5条边的无向网络，并绘制出来。
# 创建一个包含10个节点，但只连接1-2和1-5的网络
g <- make_graph(edges = c(1, 2, 1, 5), n = 10, directed = FALSE)
# 打印网络摘要
print(g)
# 绘制网络图
plot(g, main="我的第一个网络图")
2. 添加节点和边并进行分析 你可以方便地在现有网络上添加节点和边，并计算一些基本的网络指标。
# 在上一个网络的基础上添加3个新节点和一条连接节点1和34的边
g <- g + vertices(35, 36, 37)
g <- g + edge(c(1, 34))
# 计算每个节点的度（有多少个连接）
degree(g)
# 计算节点之间的最短路径
distances(g, v = 1, to = 5)
在 Python 中使用 igraph
首先需要安装 python-igraph 包：
pip install igraph
1. 创建并可视化网络 下面的 Python 代码创建了一个环状网络，并添加了节点名称和边的权重属性。
from igraph import Graph, plot
# 创建一个空的图对象
g = Graph()
# 添加5个节点
g.add_vertices(5)
# 添加6条边，形成一个包含环的结构
g.add_edges([(0, 1), (1, 2), (2, 3), (3, 4), (4, 0), (0, 2)])
# 给节点和边添加属性
g.vs["name"] = ["A", "B", "C", "D", "E"]
g.es["weight"] = [1, 2, 3, 4, 5, 6]
# 打印图的基本信息
print(g.summary())
# 选择圆形布局并绘制
layout = g.layout("circle")
plot(g, layout=layout, vertex_label=g.vs["name"])
2. 进行高级网络分析 igraph 能轻松完成更复杂的分析任务，比如寻找社群结构和计算最短路径。
# 使用多层级方法检测网络中的社群
communities = g.community_multilevel()
print("检测到的社群:", communities)
# 计算节点0到节点3的最短路径
path = g.get_shortest_paths(v=0, to=3, output="vpath")
print("从 0 到 3 的最短路径:", [v for v in path[0]])
# 计算节点的度中心性
print("各节点的度:", g.degree())
总的来说，igraph 是一个功能强大且高效的网络分析工具。无论你是做学术研究，还是进行工业界的数据分析，它都能提供从网络构建、深入分析到结果可视化的全流程支持。
