快捷導(dǎo)航

python?NetworkX庫生成并繪制帶權(quán)無向圖

更新時(shí)間：2022年05月13日 14:58:55 作者：orion-orion

這篇文章主要為大家介紹了python?NetworkX庫生成并繪制帶權(quán)無向圖的實(shí)現(xiàn)示例，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

1. 隨機(jī)圖生成

最經(jīng)典的隨機(jī)圖當(dāng)屬我們?cè)谏弦黄┛?a href="http://www.fzitv.net/article/247983.htm" rel="external nofollow" target="_blank">《Erdos-Renyi隨機(jī)圖的生成方式及其特性》中講到的Erd?s-Rény隨機(jī)圖了，我們這里選用其中的Gnp??np形式，調(diào)用以下API:

G = nx.erdos_renyi_graph(10, 0.3, seed=1)

這里表示生成10個(gè)頂點(diǎn)的圖，且圖的每條邊都以0.3的概率產(chǎn)生。

當(dāng)然，此時(shí)生成的圖不具有權(quán)重，我們想在此基礎(chǔ)上均勻隨機(jī)初始化[0, 0.4]之間的權(quán)重，可以這樣寫：

G = nx.Graph()
for u, v in nx.erdos_renyi_graph(10, 0.3, seed=1).edges():
    G.add_edge(u, v, weight=random.uniform(0, 0.4))

2. 2D布局可視化

隨機(jī)圖生成好之后，我們就要對(duì)其進(jìn)行可視化了。首先我們需要計(jì)算每個(gè)節(jié)點(diǎn)在圖中擺放的位置，經(jīng)典的Fruchterman-Reingold force-directed 算法可以完成這個(gè)操作，對(duì)應(yīng)NetworkX中的spring_layout函數(shù)：

pos = nx.spring_layout(G, iterations=20) #我們?cè)O(shè)算法迭代次數(shù)為20次

然后就可以分別繪制圖的邊、節(jié)點(diǎn)和節(jié)點(diǎn)標(biāo)簽了：

nx.draw_networkx_edges(G, pos, edge_color="orange")
nx.draw_networkx_nodes(G, pos, node_color="black")
nx.draw_networkx_labels(G, pos, font_color="white")
plt.show()

繪圖結(jié)果如下：

當(dāng)然，這樣圖的權(quán)值是無法體現(xiàn)于圖上的，如果我們需要圖的權(quán)值體現(xiàn)于圖上，可以使圖中邊的寬度按照權(quán)值大小來設(shè)置：

nx.draw_networkx_edges(G,pos, width=[float(d['weight']*10) for (u,v,d) in G.edges(data=True)], edge_color="orange")
nx.draw_networkx_nodes(G,pos, node_color="black")
nx.draw_networkx_labels(G, pos, font_color="white")
plt.show()

此時(shí)的繪圖結(jié)果如下：

3. 3D布局可視化

如果你覺得2D布局過于扁平，還不夠直觀地體現(xiàn)節(jié)點(diǎn)之間的拓?fù)潢P(guān)系，那你可以采用如下的代碼對(duì)圖進(jìn)行三維可視化：

# 3d spring layout
pos = nx.spring_layout(G, dim=3, seed=779)
# Extract node and edge positions from the layout
node_xyz = np.array([pos[v] for v in sorted(G)])
edge_xyz = np.array([(pos[u], pos[v]) for u, v in G.edges()])
# Create the 3D figure
fig = plt.figure()
ax = fig.add_subplot(111, projection="3d")
# Plot the nodes - alpha is scaled by "depth" automatically
ax.scatter(*node_xyz.T, s=100, ec="w")
# Plot the edges
for vizedge in edge_xyz:
    ax.plot(*vizedge.T, color="tab:gray")
def _format_axes(ax):
    """Visualization options for the 3D axes."""
    # Turn gridlines off
    ax.grid(False)
    # Suppress tick labels
    for dim in (ax.xaxis, ax.yaxis, ax.zaxis):
        dim.set_ticks([])
    # Set axes labels
    ax.set_xlabel("x")
    ax.set_ylabel("y")
    ax.set_zlabel("z")
_format_axes(ax)
fig.tight_layout()
plt.show()

此時(shí)的繪圖結(jié)果如下：