各種複雜網路處理工具

networkx

igraph

BGL

SNAP

還有matlab的包，軟體gephi，基於java等

對於大規模網路，主要問題在於速度！

graphs與networks的區別在於：networks在graphs的基礎上，在nodes和edges上存在關聯的資料。

igraph

開發語言：C語言，效率較高

使用語言：R，C，python

視覺化：igraph和ggplot2

BGL（Boost graph Library）

開發語言：C++，C++的準標準庫Boost提供

演算法：圖演算法，（估計是沒有提供複雜網路支援的，也不一定）

使用語言：C++

NetworkX

開發語言：python，速度慢

使用語言：python

視覺化：matplotlib

SNAP

斯坦福提供的用於複雜網路計算的平臺庫

開發語言：C++，核心使用C++開發

使用語言：Python，C++

NetworkX與Igraph對比

NetworkX和igraph是做網路分析非常常用的兩個包，且兩者皆可在Python中執行。兩者的功能也大體類似。但就效率而言，後者要比前者高出很多。原因在於：NetworkX is a pure-python implementation, whereas igraph is implemented in C.因此，如果是做大型網路的需要注意了，趕緊從NetworkX跳到igraph來，你不會後悔的。

對比很明確，當圖較大時，兩者甚至可以達到幾百倍的差距。

建議

SNAP的平臺使用C++開發，速度快，但是介面文件相對不太方便，可以學習一下

Igraph比networkx快很多，可以考慮轉

networkx文件很好，速度真心不行，看來庫的實現很重要

BGL可能只適用圖，對複雜網路可能支援不太好

關於使用SNAP生成給定冪律指數的power-law圖，由於需要生成大圖，我選擇使用SNAP，相關的操作見部落格：snap平臺使用

猜想

如果通過python介面，使用snap的庫，並在spark上執行，豈不是相當於一個分散式圖計算系統了，當然，在不考慮速度的情況下！