各种复杂网络处理工具

networkx

igraph

BGL

SNAP

还有matlab的包，软件gephi，基于java等

对于大规模网络，主要问题在于速度！

graphs与networks的区别在于：networks在graphs的基础上，在nodes和edges上存在关联的数据。

igraph

开发语言：C语言，效率较高

使用语言：R，C，python

可视化：igraph和ggplot2

BGL（Boost graph Library）

开发语言：C++，C++的准标准库Boost提供

算法：图算法，（估计是没有提供复杂网络支持的，也不一定）

使用语言：C++

NetworkX

开发语言：python，速度慢

使用语言：python

可视化：matplotlib

SNAP

斯坦福提供的用于复杂网络计算的平台库

开发语言：C++，核心使用C++开发

使用语言：Python，C++

NetworkX与Igraph对比

NetworkX和igraph是做网络分析非常常用的两个包，且两者皆可在Python中运行。两者的功能也大体类似。但就效率而言，后者要比前者高出很多。原因在于：NetworkX is a pure-python implementation, whereas igraph is implemented in C.因此，如果是做大型网络的需要注意了，赶紧从NetworkX跳到igraph来，你不会后悔的。

对比很明确，当图较大时，两者甚至可以达到几百倍的差距。

建议

SNAP的平台使用C++开发，速度快，但是接口文档相对不太方便，可以学习一下

Igraph比networkx快很多，可以考虑转

networkx文档很好，速度真心不行，看来库的实现很重要

BGL可能只适用图，对复杂网络可能支持不太好

关于使用SNAP生成给定幂律指数的power-law图，由于需要生成大图，我选择使用SNAP，相关的操作见博客：

猜想

如果通过python接口，使用snap的库，并在spark上运行，岂不是相当于一个分布式图计算系统了，当然，在不考虑速度的情况下！ （现在回头看，这个猜想太傻比了，请忽略！）