harry's blog

1. networkx 模块

NetworkX 是一个用 Python 语言开发的图论与复杂网络建模工具，内置了常用的图与网络分析算法，可以方便的进行复杂网络数据分析、仿真建模等工作，networkx 的相关文档可以在这里查阅，大量例子

安装 NetworkX: pip install networkx

2. 创建图

import networkx as nx

G = nx.Graph()  #创建空的无向图
G = nx.DiGraph()  #创建空的有向图

3. 图的节点

添加节点

添加一个节点：G.add_node(1)
添加多个节点：G.add_nodes_from([2,3,4])

添加节点的同时加入自定义属性

添加一个节点：G.add_node(1, name='n1',weight=1)
添加多个节点：G.add_nodes_from([2,3,4], weight=1)

查看节点的属性

查看节点：g.nodes()
查看节点和节点属性：g.nodes(data=True) g._node

删除节点

删除一个节点：G.remove_node(1)
删除多个节点：G.remove_nodes_from([1,2])

下面对上面的节点操作做了一些例子

>>> import networkx as nx
>>> G = nx.Graph() 
>>> G.add_node(1, name='n1',weight=1)
>>> G.add_nodes_from([2,3,4], weight=1)
>>> G.nodes
NodeView((1, 2, 3, 4))
>>> G.nodes(data=True)
NodeDataView({1: {'name': 'n1', 'weight': 1}, 2: {'weight': 1}, 3: {'weight': 1}, 4: {'weight': 1}})
>>> G._node
{1: {'name': 'n1', 'weight': 1}, 2: {'weight': 1}, 3: {'weight': 1}, 4: {'weight': 1}}
>>> G.remove_node(1)
>>> G._node
{2: {'weight': 1}, 3: {'weight': 1}, 4: {'weight': 1}}

4. 图的边

图的边用于表示两个节点之间的关系，因此，边是由两个节点唯一确定的。在添加边时，如果顶点不存在，那么 networkx 会自动把相应的顶点加入到图中

添加边

添加一条边：G.add_edge(2,3)
添加多条边：G.add_edges_from([(1,2),(1,3)])

添加边的同时加入自定义属性

添加一条边：G.add_edge(1, 2, weight=4.7, relationship='good')
添加多条边：G.add_edges_from([(3,4,{'color':'blue'}), (1,4,{'weight':8})])

添加边的权重：G.add_weighted_edges_from([(1,3,0.75),(2,4,1.2)])
查看边的属性

查看边：G.edges()
查看边和属性：G.edges(data=True)

删除边

删除一条边：G.remove_edge(1,2)
删除多条边：G.remove_edges_from(edges_list)

>>> G = nx.Graph()
>>> G.add_edge(1, 2, weight=4.7, relationship='good')
>>> G.add_edges_from([(3,4,{'color':'blue'}), (1,4,{'weight':8})])
>>> G.add_weighted_edges_from([(1,3,0.75),(2,4,1.2)])
>>> G.edges()
EdgeView([(1, 2), (1, 4), (1, 3), (2, 4), (3, 4)])
>>> G.edges(data=True)
EdgeDataView([(1, 2, {'weight': 4.7, 'relationship': 'good'}), (1, 4, {'weight': 8}), (1, 3, {'weight': 0.75}), (2, 4, {'weight': 1.2}), (3, 4, {'color': 'blue'})])
>>> G.remove_edge(1,2)
>>> G.edges()
EdgeView([(1, 4), (1, 3), (2, 4), (3, 4)])

5. 绘制图

使用 networkx 模块 draw() 等相关函数构造 graph，使用 matplotlib 把图显示出来，draw 包括后面介绍的 draw_networkx draw_networkx_nodes draw_networkx_edges draw_networkx_labels 等函数，他们的功能存在一定的重合，但为什么还要分的这么清楚呢，因为虽然是重合，但是不同函数分别能够提供更多的绘图选项，例如节点和边的标签，节点的形状、边的宽度和颜色等等

nx.draw 基本绘图函数

G：一个 networkx 图对象，表示要绘制的网络图
with_labels：节点上是否标注 label，default=True
node_size：节点大小，即节点圈的大小，default=300
node_color：节点颜色，即节点圈的颜色，default=‘#1f78b4’，16 进制调整
node_shape：节点形状
width：边的粗细，default=1.0
edge_color：边的颜色，default=‘k’
font_size：节点和边的字体大小，default=12 for nodes, 10 for edges

nx.draw_networkx 高级绘图函数，提供更多绘图选项

G一个 networkx 图对象，表示要绘制的网络图 https://blog.csdn.net/Ducky_/article/details/125173457

nx.draw_networkx_nodes 绘制网络图的节点

G：一个 networkx 图对象，表示要绘制的网络图
pos：一个字典，表示节点的位置。键是节点，值是一个二维坐标（x, y）。
nodelist：一个节点列表，表示要绘制的节点。默认为 None，表示绘制所有节点。
node_size：节点的大小。默认为 300。
node_color：节点的颜色。默认为红色（‘r’）。
node_shape：节点的形状。默认为圆形（‘o’）。

nx.draw_networkx_edges 绘制网络图的边

G：一个 networkx 图对象，表示要绘制的网络图
pos：一个字典，表示节点的位置。键是节点，值是一个二维坐标（x, y）。
edgelist：一个边列表，表示要绘制的边。默认为 None，表示绘制所有边。
width：边的宽度。默认为 1.0。
edge_color：边的颜色。默认为黑色（‘k’）。

nx.draw_networkx_labels 绘制网络图的节点标签

G：一个 networkx 图对象，表示要绘制的网络图
pos：一个字典，表示节点的位置。键是节点，值是一个二维坐标（x, y）。
labels：一个字典，表示节点的标签。键是节点，值是标签文本。默认为 None，表示使用节点作为标签。
font_size：标签字体的大小。默认为 12。
font_color：标签字体的颜色。默认为黑色（‘k’）

nx.draw_networkx_edge_labels 绘制网络图的边标签

G：一个 networkx 图对象，表示要绘制的网络图
pos：一个字典，表示节点的位置。键是节点，值是一个二维坐标（x, y）。
edge_labels：一个字典，表示边的标签。键是边（节点对），值是标签文本。默认为 None，表示不绘制边标签。
label_pos：边标签的位置。默认为 0.5，表示标签位于边的中点。
font_size：标签字体的大小

下面给一个组合使用的例子，从例子中可以看出核心的绘图是这四个函数 nx.draw_networkx_nodes nx.draw_networkx_edges nx.draw_networkx_labels nx.draw_networkx_edge_labels，分别绘制 graph 的节点，边，节点的 label，边的 label

import networkx as nx
import matplotlib.pyplot as plt

# Create a graph
G = nx.Graph()
G.add_edges_from(
    [
        (0, 1, {"weight": 4}),
        (0, 7, {"weight": 8}),
        (1, 7, {"weight": 11}),
        (1, 2, {"weight": 8}),
        (2, 8, {"weight": 2}),
        (2, 5, {"weight": 4}),
        (2, 3, {"weight": 7}),
        (3, 4, {"weight": 9}),
        (3, 5, {"weight": 14}),
        (4, 5, {"weight": 10}),
        (5, 6, {"weight": 2}),
        (6, 8, {"weight": 6}),
        (7, 8, {"weight": 7}),
    ]
)

# Find the minimum spanning tree
T = nx.minimum_spanning_tree(G)

# Visualize the graph and the minimum spanning tree
pos = nx.spring_layout(G)
nx.draw_networkx_nodes(G, pos, node_color="lightblue", node_size=500)
nx.draw_networkx_edges(G, pos, edge_color="grey")
nx.draw_networkx_labels(G, pos, font_size=12, font_family="sans-serif")
nx.draw_networkx_edge_labels(
    G, pos, edge_labels={(u, v): d["weight"] for u, v, d in G.edges(data=True)}
)
nx.draw_networkx_edges(T, pos, edge_color="green", width=2)
plt.savefig('mst.png')
plt.show()
plt.close()

6. 其他图像的调整

边框不可见和充满画布
设置图片没有边框，并且充满画布，不会显得很紧

ax = plt.gca()  # 获取当前的子图对象
ax.spines['top'].set_visible(False)  # 设置边框不可见
ax.spines['right'].set_visible(False)
ax.spines['bottom'].set_visible(False)
ax.spines['left'].set_visible(False)
plt.margins(0)  # 设置边距为0

效果如下，可以看到边框没了，并且图稍稍大了一点

字体不遮挡
当节点的 label 过长时，就会存在着当现象，使用 adjustText 库将 label 的代码调整为如下就可以避免这种情况

nx.draw_networkx_labels(G, pos, font_size=8)
# 替换为
new_texts = []
for label, p in pos.items():
    new_texts.append(plt.text(p[0], p[1], label, fontsize=8))
adjust_text(new_texts)

图像更清晰
直接设置 dpi 即可 plt.savefig("graph.png", dpi=300)

本文由 Yonghui Wang 创作，采用知识共享署名4.0 国际许可协议进行许可
本站文章除注明转载/出处外，均为本站原创或翻译，转载前请务必署名
最后编辑时间为: Dec 19, 2024 12:13 pm