如果您正在使用NetworkX，则会知道可以从数据网络获得的宝贵见解。这些网络或图形在各种业务用例中变得越来越流行，它们有助于做出重要的决策，以多种方式影响业务成功。

NetworkX具有大量有趣的图形算法，它可以快速分析数据网络，但只能在一定范围内进行分析。您可能已经发现自己想知道如何留在围绕NetworkX图形算法建立的安全世界中，但仍然能够创建准备就绪的应用程序以轻松与他人分享您的工作。也许您无聊编写数百行代码，只是为了获取要探索的数据。

这篇博客文章将告诉您更多有关如何避免所有样板代码并通过使用MEMGRAPH（一个开源的内存中图形数据库）避免所有样板代码并顺利部署应用程序的，您可以在其上使用NetworkX执行图形分析，您熟悉您很熟悉，无论是在静态和流数据集上。

无缝连接到Memgraph的许多数据源

每个NetworkX项目的开始都包括数据导入。如果您是从不同来源导入数据，则您的代码可能与每个其他来源都在滚雪球。事情变得凌乱了，每次您更改代码中的内容时，您都必须再次从所有这些不同的来源中获取数据。该项目越来越难以维护，并且您的时间不必要地浪费在提取数据而不是实际分析上。

使用memgraph，您可以轻松地连接到数据源并在项目开头导入数据，并可以随时更改它。尽管它是内存的，但Memgraph仍然保留您的数据，这意味着您的数据集在每次运行中都必须加载。它足以加载一次，然后查询，分析和更改它。您可以探索所需的图表的一部分，并对数据集进行分析。 Memgraph如何做？

MEMGRAPH本地具有多种数据导入方法 - 从files，MySQL或PostgreSQL和data streams导入。 Memgraph也是高度可扩展的，在其Python客户端GQLAlchemy的帮助下，您几乎可以从任何地方导入数据。

gqlalchemy的koude0将表数据从文件转换为绘制数据并将其导入到memgraph中。目前，GQLalchemy支持通过Pyarrow软件包阅读CSV，Parquet，Orc和IPC/Feather/Arrow文件格式。这些文件可以从本地源，Azure Blob存储或Amazon S3服务加载。除此之外，如果您想从Gqlalchemy当前不支持的文件系统中阅读或从其他来源阅读，则可以通过扩展抽象类koude1和koude2来阅读implement a custom file system importer。

memgraph在导入流数据集时特别有用，因为它可以连接到任何KAFKA，PULSAR或REDPANDA数据流。例如，如果您在公司中使用Debezium来监视数据库中的更改，则可以使用MEMGRAPH进行监视，您可以使用connect to that Kafka stream。

由于NetworkX算法是在当前内存中的图形上运行的，因此它没有提供动态图和在每个更改上运行动态图形算法的可能性。 Memgraph可以在数据库中的一定更改或更新上启动动态算法的触发器的帮助。这种设置可为您更快地提供图形算法的结果。 Check out在Mage中实现了哪种动态图算法，这是一个开源存储库，其中包含Python，C/C ++和Rust的图形算法和模块。

因此，如果您的项目需要从各种来源导入流或静态数据，则不必担心在网络X代码中导入。

memgraph和NetworkX集成

NetworkX提供了广泛的图形算法来探索数据，并且可以在Memgraph中使用它们。 memgraph是内置的，它具有C ++，并保存用于Memgraphs图的包装对象，称为Memgraphpaph，MemgraphDigraph，MemgraphMultigraph或MemgraphMultIdigraph，具体取决于存储在数据库中的图形类型。

这些对象优化了NetworkX算法的使用。为了使向Memgraph的过渡更加方便，我们实施了使用Memgraph图调用NetworkX函数的过程，以便您可以在框外访问图形算法。

例如，通过运行：

CALL nxalg.betweenness_centrality() YIELD *;

Here is a list的所有已实施的NetworkX算法。要了解有关Memgraph中网络X算法使用的更多信息，请查看Social network analysis with NetworkX tutorial.

用来查询memgraph的Cypher查询语言可以轻松扩展使用query modules中的自定义过程。这些过程可以用Python，C/C ++和Rust编写。在用Python编写的自定义过程中，您可以使用NetworkX库。实施自定义过程的最简单方法是使用Memgraph的Visual用户界面Memgraph Lab。只需将网络代码粘贴到Memgraph Lab的 Query模块部分的代码编辑器中的自定义读取过程。

要使用自定义过程，请使用Cypher CALL子句调用。 Memgraph没有对girvan_newman社区算法的自定义实现，因此可以在自定义读取过程中实现。只需小心使用正确的图形类型，具体取决于数据集 - 图形，Digraph，Multigraph或Multidigraph。

在上面的示例中，MemgraphDiGraph是由mgp.ProcCtx创建的，该mgp.ProcCtx表示当前状态中数据库内的整个图。该图被施放到NetworkX DiGraph，因此可以使用NetworkX girvan_newman算法。该过程返回属于某个社区的节点列表。

要调用上述自定义过程，我们首先需要导入数据集。许多数据集可以在实验室的数据集部分中找到。我们将查询数据集空手道俱乐部友谊网络。

用于调用自定义过程并返回结果的查询是：

CALL communities.detect()
YIELD communities
UNWIND communities AS community
RETURN community; 

这是模板数据集空手道俱乐部友谊网络上获得的结果。

在独立网络脚本中，您首先需要一堆代码来提取所有要探索的数据。然后，您将调用该算法，最后，结果必须存储在某个地方。因此，要运行一种简单的算法，您必须编写很多代码。现在，将其乘以更多的数据源，并使用NetworkX进行更复杂的分析。使用MEMGRAPH，您可以导入数据或连接到数据源，并运行您喜欢的现有或自定义图形算法。

有关使用NetworkX集成的更多示例，请在Memgraph文档上查看Exploring a musical social network tutorial。

轻松分享您的工作结果

NetworkX不是数据库，因此，当然，它缺少在部署应用程序时派上用场的其他功能。例如，使用图数据库，您始终可以进行临时图形查询。如果您使用的是memgraph，还将获得一组可扩展的可扩展算法，称为法师（Memgraph Advanced Graph Extensions）。这意味着您可以将整个项目放在一个地方。

数据集是在Memgraph中加载的，您可以通过查询数据库或运行已经实现或自定义过程来通过Memgraph Lab探索它。它为您提供了必要的灵活性，同时仍然易于使用并与他人共享。您的脚本可以保存图形分析，机器学习项目，简单的计算，并且可以写回数据库，也可以读取并返回所需的结果。

您的查询可以通过Memgraph Lab可视化，并发送或呈现给您的同事。另外，如果您正在部署项目，则不必担心应用程序运行所需的组件集，您只需要管理Memgraph即可。

有许多部署和管理项目的方法，但是为了使您更容易，我们是运行Memgraph Docker Images所需的prepared docker-compose.yml文件。阅读我们的博客文章，以了解有关how to orchestrate your graph application with Docker Compose的更多信息。如果您需要Memgraph作为Kubernetes群集的一部分，则可以使用prepared Helm Chart进行简单的设置。

memgraph Lab提供了在查询收集中保存准备好查询的可能性。 Memgraph Lab具有丰富的查询集合，可让您命名集合中的每个查询并添加其描述。另外，您可以在集合中运行每个查询以显示工作结果。

结论

memgraph是网络项目中大部分样板代码的大部分替换，并提供相关的见解。它可以与流或静态数据集一起使用，并简单地集成任何网络代码。

在可视化和速度方面，Memgraph提供的结果是令人难以置信的，并且有足够的理由现在尝试。查看how Memgraph deals with data persistency, large-scale data analytics and visualizations when compared to NetworkX和how much faster Memgraph graph algorithms are。

要了解更多信息，请前往我们的resources for NetworkX开发人员。