我在networkx中创建了一个MultiDiGraph，我试图给边添加权重，然后根据边缘出现的频率/计数分配一个新的权重。我使用下面的代码来创建图形并添加权重，但是我不确定如何解决基于计数重新分配权重的问题：

g = nx.MultiDiGraph()

df = pd.read_csv('G:\cluster_centroids.csv', delimiter=',')

df['pos'] = list(zip(df.longitude,df.latitude))

dict_pos = dict(zip(df.cluster_label,df.pos))

#print dict_pos

for row in csv.reader(open('G:\edges.csv', 'r')):

if '[' in row[1]: #

g.add_edges_from(eval(row[1]))

for u, v, d in g.edges(data=True):

d['weight'] = 1

for u,v,d in g.edges(data=True):

print u,v,d编辑

我能够成功地为每个边缘(我的原始问题的第一部分)分配权重，如下所示：

for u, v, d in g.edges(data=True):

d['weight'] = 1

for u,v,d in g.edges(data=True):

print u,v,d但是，我仍然无法根据边缘出现的次数重新分配权重(图形中的单个边缘可能会出现多次)？我需要做到这一点，以便用更少的计数(使用边缘颜色或宽度)可视化具有更高计数的边。我不知道如何继续重新分配基于计数的权重，请告知。以下是示例数据，以及指向我的完整数据集的链接。

数据

样本质心(节点)：

cluster_label,latitude,longitude

0,39.18193382,-77.51885109

1,39.18,-77.27

2,39.17917928,-76.6688633

3,39.1782,-77.2617

4,39.1765,-77.1927

5,39.1762375,-76.8675441

6,39.17468,-76.8204499

7,39.17457332,-77.2807235

8,39.17406072,-77.274685

9,39.1731621,-77.2716502

10,39.17,-77.27样品边缘：

user_id,edges

11011,"[[340, 269], [269, 340]]"

80973,"[[398, 279]]"

608473,"[[69, 28]]"

2139671,"[[382, 27], [27, 285]]"

3945641,"[[120, 422], [422, 217], [217, 340], [340, 340]]"

5820642,"[[458, 442]]"

6060732,"[[291, 431]]"

6912362,"[[68, 27]]"

7362602,"[[112, 269]]"完整数据：

质心(节点)：https://drive.google.com/open?id=0B1lvsCnLWydEdldYc3FQTmdQMmc

边缘：https://drive.google.com/open?id=0B1lvsCnLWydEdEtfM2E3eXViYkk

UPDATE

至少暂时地，我能够通过设置minLineWidth并将其乘以重量来解决由于边缘重量过高而造成边缘宽度过度不相称的问题：

minLineWidth = 0.25

for u, v, d in g.edges(data=True):

d['weight'] = c[u, v]*minLineWidth

edges,weights = zip(*nx.get_edge_attributes(g,'weight').items())并使用nx.draw_networkx_edges()中的width=[d['weight'] for u,v, d in g.edges(data=True)]，如以下解决方案中所述。

另外，我可以使用以下缩放颜色：

# Set Edge Color based on weight

values = range(7958) #this is based on the number of edges in the graph, use print len(g.edges()) to determine this

jet = cm = plt.get_cmap('YlOrRd')

cNorm = colors.Normalize(vmin=0, vmax=values[-1])

scalarMap = cmx.ScalarMappable(norm=cNorm, cmap=jet)

colorList = []

for i in range(7958):

colorVal = scalarMap.to_rgba(values[i])

colorList.append(colorVal)然后在nx.draw_networkx_edges()中使用参数edge_color=colorList。