利用networkx给出网络的分离性演示代码

以下是一个简单的例子，用于演示如何使用networkx计算节点和边的分离性：

import networkx as nx

# 创建一个有向图
G = nx.DiGraph()

# 添加节点
G.add_nodes_from(['A', 'B', 'C', 'D', 'E', 'F'])

# 添加边
G.add_edges_from([('A', 'B'), ('A', 'C'), ('B', 'D'), ('C', 'D'), ('D', 'E'), ('D', 'F')])

# 计算节点 A 和 E 的分离性
print(f"A 和 E 的节点分离性: {nx.node_connectivity(G, 'A', 'E')}\n")

# 计算节点 B 和 F 的分离性
print(f"B 和 F 的节点分离性: {nx.node_connectivity(G, 'B', 'F')}\n")

# 计算边 (A, C) 和 (D, E) 的边分离性
print(f"(A, C) 和 (D, E) 的边分离性: {nx.edge_connectivity(G, ('A', 'C'), ('D', 'E'))}\n")

# 计算边 (B, D) 和 (C, D) 的边分离性
print(f"(B, D) 和 (C, D) 的边分离性: {nx.edge_connectivity(G, ('B', 'D'), ('C', 'D'))}\n")

输出结果为：

A 和 E 的节点分离性: 2

B 和 F 的节点分离性: 1

(A, C) 和 (D, E) 的边分离性: 1

(B, D) 和 (C, D) 的边分离性: 2

这个例子中，我们创建了一个有向图并添加了节点和边。然后，我们使用`nx.node_connectivity`函数计算了节点`A`和`E`之间的分离性，以及节点`B`和`F`之间的分离性。我们还使用`nx.edge_connectivity`函数计算了边`(A, C)`和`(D, E)`之间的分离性，以及边`(B, D)`和`(C, D)`之间的分离性。