举例

import networkx as nx
import matplotlib.pyplot as plt

我们先通过nx.erdos_renyi_graph(10, 0.15)方法随机生成图像

er = nx.erdos_renyi_graph(10, 0.15)
nx.draw(er,node_size=300,with_labels = True,pos = nx.spring_layout(er),node_color = 'r')

pos常用自动布局函数

上图是由nx.draw()，核心布局参数是pos，接下来让我们试一试其他常用自动生成节点位置的函数：

pos=nx.circular_layout(G)          # 生成圆形节点布局
pos=nx.random_layout(G)            # 生成随机节点布局
pos=nx.shell_layout(G)             # 生成同心圆节点布局
pos=nx.spring_layout(G)            # 利用Fruchterman-Reingold force-directed算法生成节点布局
pos=nx.spectral_layout(G)          # 利用图拉普拉斯特征向量生成节点布局
pos=nx.kamada_kawai_layout(G)      #使用Kamada-Kawai路径长度代价函数生成布局

实现

labels={}
for node in er.nodes():labels[node]=nodepos_list = [nx.circular_layout(er), nx.random_layout(er), nx.shell_layout(er),nx.spring_layout(er), nx.spectral_layout(er), nx.kamada_kawai_layout(er)]    plt.rcParams['figure.figsize']= (12, 6)      # 设置画布大小
for i,pos in enumerate(pos_list):ax1 = plt.subplot(2,3,i+1)nx.draw_networkx_nodes(er,pos)               # 画节点nx.draw_networkx_edges(er,pos)               # 画边nx.draw_networkx_labels(er,pos,labels)       # 画标签 plt.axis('off')                             # 去掉坐标刻度
plt.show()

自定义布局

在图节点没有实际意义的时候，确实可以这样偷懒自动生成，但很多情况下是需要我们自己设置相应的位置的。
接下来我们看看pos什么样的数据，如何辅助定位的：

pos = nx.circular_layout(er)
pos

{0: array([1.0000000e+00, 1.4702742e-08]),1: array([0.809017  , 0.58778526]),2: array([0.30901698, 0.95105655]),3: array([-0.30901702,  0.95105649]),4: array([-0.80901699,  0.58778526]),5: array([-9.99999988e-01, -7.27200340e-08]),6: array([-0.80901693, -0.58778529]),7: array([-0.30901711, -0.95105646]),8: array([ 0.30901713, -0.95105646]),9: array([ 0.80901694, -0.58778529])}

懂了，就是字典形式，node(key):coordinate(value).每个节点对应一个坐标。

plt.rcParams['figure.figsize']= (8, 8)      # 设置画布大小
pos={1: [1,6],2:[1,7],3:[5,2],4:[3,2],5:[2.5,2.5],6:[1,3],7:[1,2],8:[3,3],9:[5,4],0:[5,5]}
nx.draw(er,node_size=1000,with_labels = True,pos = pos,node_color = 'r')
plt.show()

利用nx.draw_networkx_nodes()和nx.draw_networkx_edges()画图

nx.draw_networkx_nodes(er,pos,node_size=1000,node_color = 'r',label = True)               # 画节点
nx.draw_networkx_edges(er,pos)               # 画边
nx.draw_networkx_labels(er,pos,labels)       # 画标签
plt.axis('off')                             # 去掉坐标刻度
plt.show()

def draw_networkx_nodes(G, pos,nodelist=None,node_size=300,node_color='r',node_shape='o',alpha=1.0,cmap=None,vmin=None,vmax=None,ax=None,linewidths=None,label=None,**kwds):

pos：dictionary
将节点作为键和位置作为值的字典。位置应该是长度为2的序列。

ax：Matplotlib Axes对象，可选在指定的Matplotlib轴中绘制图形。

nodelist：list，可选只绘制指定的节点（默认G.nodes（））

node_size：标量或数组节点大小（默认值= 300）。如果指定了数组，它必须是与点头长度相同。

node_color：颜色字符串或浮点数组节点颜色。可以是单颜色格式字符串（default =‘r’），
或者具有与点头相同长度的颜色序列。如果指定了数值，它们将被映射到颜色使用cmap和vmin，vmax参数。看到
matplotlib.scatter更多详细信息。

node_shape：string 节点的形状。规格为matplotlib.scatter 标记，‘so ^> v
<dph8’（默认=‘o’）之一。

alpha：float 节点透明度（默认值= 1.0）

cmap：Matplotlib色图色彩映射节点的强度（默认=无）

vmin，vmax：float 节点色彩映射缩放的最小值和最大值（默认值=无）

线宽：[无|标量|序列] 符号边框的线宽（默认值= 1.0）

label：[无|串] 图例的标签

def draw_networkx_edges(G, pos,edgelist=None,width=1.0,edge_color='k',style='solid',alpha=1.0,edge_cmap=None,edge_vmin=None,edge_vmax=None,ax=None,arrows=True,label=None,**kwds):

G：图表一个networkx图 pos：dictionary 将节点作为键和位置作为值的字典。位置应该是长度为2的序列。

edgelist：边缘元组的集合只绘制指定的边（默认= G.edges（））

width：float或float数组边线宽度（默认值= 1.0）

edge_color：颜色字符串或浮点数组边缘颜色。可以是单颜色格式字符串（default =‘r’），
或者具有与edgelist相同长度的颜色序列。如果指定了数值，它们将被映射到
颜色使用edge_cmap和edge_vmin，edge_vmax参数。

style：string 边线样式（默认=‘solid’）（实线|虚线|点线，dashdot）

alpha：float 边缘透明度（默认值= 1.0）

edge_ cmap：Matplotlib色彩映射用于映射边缘强度的色彩映射（默认值=无）

edge_vmin，edge_vmax：float 边缘色图缩放的最小值和最大值（默认值=无）

ax：Matplotlib Axes对象，可选在指定的Matplotlib轴中绘制图形。

arrows：bool，optional（default = True）对于有向图，如果为真，则绘制箭头。

label：图例的标签

networkx 画图布局相关推荐

networkx画图(番外)——（1）自定义节点布局
networkx画图(番外)--(1)自定义节点布局 networkx虽然非常方便,但在一些超大规模的图数据上,依然显得吃力.所以大多数时候,它仅仅是被用来做一些实例性的分析和可视化展示的,这需要学会 ...
networkx画图
使用networkx画图,关键是掌握draw_networkx_edges.draw_networkx_nodes和draw_networkx_labels三个方法的使用,设置好位置列表,节点列表,标 ...
NetworkX画图：nx.draw_networkx(函数详解)
NetworkX画图:nx.draw_networkx(函数详解) draw_networkx(G, pos=None, arrows=True, with_labels=True, **kwds) ...
Python+NetworkX画图的nx.draw_networkx(函数详解)
Python+NetworkX画图的nx.draw_networkx函数详解 Python+NetworkX画图的nx.draw_networkx(函数详解) Python+NetworkX画图的nx ...
Python处理Les Misérables network并利用networkx画图
数据集介绍 <悲惨世界>中的人物关系图,图中共77个节点.254条边. 数据集截图: 打开README文件: Les Misérables network, part of the Kob ...
networkx 画图中文方块
今天在使用networkx画网络社交图时,画出来的节点名称中文显示全是方块,经过多次百度和尝试,最终解决版本: Python 3.5 (Anaconda3) 操作系统:win7 1.下载一个中文字体 ...
Python画图布局
加入下面可设置紧致布局,去掉多余的空白地方,对于有subplot的可以自动调整子图间的布局,防止重叠 plt.tight_layout() 见下面例子: import matplotlib.pyplo ...
KNN算法简单？我竟用3万字没写清楚······
大家好,我是小伍哥,本文非常长,建议先收藏,有空再看谈起KNN,很多人都会觉得非常简单,甚至会露出不屑+鄙视,包括我自己,当初也是如此,当我进行深入的研究,发现真是大意了. 大家都知道KNN可以用于 ...
一文读懂Python复杂网络分析库networkx | CSDN博文精选
作者 | yyl424525 来源 | CSDN博客文章目录 1. 简介安装支持四种图绘制网络图基本流程 2. Graph-无向图节点边属性有向图和无向图互转 3. DiGraph-有 ...

networkx 画图布局

举例

pos常用自动布局函数

自定义布局

利用nx.draw_networkx_nodes()和nx.draw_networkx_edges()画图

networkx 画图布局相关推荐

最新文章

热门文章