python 学习笔记2 --画图(networkx)

曾经终败给现在 2022-06-10 13:07 224阅读 0赞

## 绘制基本网络图 ##

用matplotlib绘制网络图  
基本流程：  
1. 导入networkx，matplotlib包  
2. 建立网络  
3. 绘制网络 nx.draw()  
4. 建立布局 pos = nx.spring\_layout美化作用  
最基本画图程序

import import networkx as nx             #导入networkx包
    import matplotlib.pyplot as plt 
    G = nx.random_graphs.barabasi_albert_graph(100,1)   #生成一个BA无标度网络G
    nx.draw(G)                               #绘制网络G
    plt.savefig("ba.png")           #输出方式1: 将图像存为一个png格式的图片文件
    plt.show()                            #输出方式2: 在窗口中显示这幅图像

--------------------

networkx 提供画图的函数有：

1.  `draw`（G，\[pos,ax,hold\]）
2.  `draw_networkx`(G，\[pos,with\_labels\])
3.  `draw_networkx_nodes`(G,pos,\[nodelist\]) 绘制网络G的节点图
4.  `draw_networkx_edges`(G,pos\[edgelist\]) 绘制网络G的边图
5.  `draw_networkx_edge_labels`(G, pos\[, ...\]) 绘制网络G的边图，边有label  
    \---有layout 布局画图函数的分界线---
6.  `draw_circular(G, **kwargs)` Draw the graph G with a circular layout.
7.  `draw_random(G, **kwargs)` Draw the graph G with a random layout.
8.  `draw_spectral(G, **kwargs)` Draw the graph G with a spectral layout.
9.  `draw_spring(G, **kwargs)` Draw the graph G with a spring layout.
10. `draw_shell(G, **kwargs)` Draw networkx graph with shell layout.
11. `draw_graphviz(G[, prog])` Draw networkx graph with graphviz layout.

--------------------

networkx 画图参数：  
\- `node_size`: 指定节点的尺寸大小(默认是300，单位未知，就是上图中那么大的点)  
\- `node_color`: 指定节点的颜色 (默认是红色，可以用字符串简单标识颜色，例如'r'为红色，'b'为绿色等，具体可查看手册)，用“数据字典”赋值的时候必须对字典取值（.values()）后再赋值  
\- `node_shape`: 节点的形状（默认是圆形，用字符串'o'标识，具体可查看手册）  
\- `alpha`: 透明度 (默认是1.0，不透明，0为完全透明)  
\- `width`: 边的宽度 (默认为1.0)  
\- `edge_color`: 边的颜色(默认为黑色)  
\- `style`: 边的样式(默认为实现，可选： solid|dashed|dotted,dashdot)  
\- `with_labels`: 节点是否带标签（默认为True）  
\- `font_size`: 节点标签字体大小 (默认为12)  
\- `font_color`: 节点标签字体颜色（默认为黑色）  
e.g. nx.draw(G,node\_size = 30, with\_label = False)  
绘制节点的尺寸为30，不带标签的网络图。

--------------------

布局指定节点排列形式

pos = nx.spring_layout

建立布局，对图进行布局美化，networkx 提供的布局方式有：  
\- circular\_layout：节点在一个圆环上均匀分布  
\- random\_layout：节点随机分布  
\- shell\_layout：节点在同心圆上分布  
\- spring\_layout： 用Fruchterman-Reingold算法排列节点（这个算法我不了解，样子类似多中心放射状）  
\- spectral\_layout：根据图的拉普拉斯特征向量排列节  
布局也可用pos参数指定，例如，nx.draw(G, pos = spring\_layout(G)) 这样指定了networkx上以中心放射状分布.

# 绘制划分后的社区 #

先看一段代码，代码源自[site][]

partition = community.best_partition(User) size = float(len(set(partition.values()))) pos = nx.spring_layout(G) count = 0. for com in set(partition.values()) : count = count + 1. list_nodes = [nodes for nodes in partition.keys() if partition[nodes] == com] nx.draw_networkx_nodes(G, pos, list_nodes, node_size = 50, node_color = str(count / size)) nx.draw_networkx_edges(User,pos,with_labels = True, alpha=0.5 ) plt.show()

communit.best\_partition 是社区划分方法，算法是根据Vincent D.Blondel 等人于2008提出，是基于modularity optimization的heuristic方法.  
partition的结果存在字典数据类型：  
`{'1': 0, '3': 1, '2': 0, '5': 1, '4': 0, '6': 0}`  
单引号里的数据是key，也就是网络中节点编号。  
冒号后面的数值，表示网络中节点的编号属于哪个社区。也就是社区标号。如`'6': 0`表示6节点属于0社区

list_nodes = [nodes for nodes in partition.keys()
                                    if partition[nodes] == com]

每次循环list\_nodes结果是社区i对应的用户编号。  
如第一次循环结果是com = 0, list\_nodes= \['1','2','4','6'\]  
第二次循环的结果是com = 1, list\_nodes = \['3','6'\]  
这样每次循环，画出一个社区的所有节点：

nx.draw_networkx_nodes(G, pos, list_nodes, node_size = 50,
                                    node_color = str(count / size))

循环结束后通过颜色来标识不同社区

*  [2014年06月01日发布][2014_06_01]

[site]: http://perso.crans.org/aynaud/communities/
[2014_06_01]: https://segmentfault.com/a/1190000000527216