极客笔记使用networkX和Matplotlib绘制网络图
在现代社会中，网络图是一种重要的数据可视化方式。网络图描述了不同实体之间的关系，而这些实体可以是人、物品、概念等等。网络图的常见应用包括社交网络分析、计算机网络分析、生物网络分析等领域。在本文中，我们将介绍如何使用Python中的networkX和Matplotlib库来绘制网络图。
简介
networkX是一个用Python语言编写的网络图库，它可以用来创建、操作和研究复杂网络。该库中包括了常见的复杂网络模型，比如ER随机网络、Watts-Strogatz小世界网络、Barabasi-Albert无标度网络等。除此之外，networkX还提供了许多重要的网络分析算法，比如中心性、网络连通性等等。Matplotlib是一个Python的数据可视化库，它可以用来绘制各种形式的图表，包括柱状图、折线图、散点图等等，也包括网络图。下面我们将介绍如何使用networkX和Matplotlib来创建网络图。
安装
要使用networkX和Matplotlib库，我们需要首先安装它们。可以使用pip命令来安装它们：
pip install networkx matplotlib
创建网络图
有多种方式可以创建网络图。我们可以手动创建节点和边，也可以使用networkX中自带的函数生成现成的网络。下面我们将介绍其中两种方法。
手动创建节点和边
我们可以使用networkX库来手动创建节点和边，并把它们添加到一个空的图中。下面是一个简单的例子：
import networkx as nx
G = nx.Graph()
G.add_node(1)
G.add_node(2)
G.add_node(3)
G.add_edge(1, 2)
G.add_edge(2, 3)
G.add_edge(3, 1)
在这个例子中，我们创建了一个空的图G，然后按顺序添加了三个节点，编号为1、2、3。随后我们添加了三条边，分别是(1,2)、(2,3)和(3,1)。
使用现成的图
networkX库中提供了许多现成的图形模型，可以通过函数来生成。下面是一个例子：
import networkx as nx
G = nx.erdos_renyi_graph(10, 0.3)
在这个例子中，我们使用networkX的“erdos_renyi_graph”函数来创建一个ER随机网络，该函数的第一个参数是节点数，第二个参数是节点之间连边的概率。这里我们创建了一个10个节点的ER随机网络，节点之间有30%的概率连边。
绘制网络图
一旦我们创建了一个网络图对象，我们就可以使用Matplotlib绘制该图。Matplotlib提供了多种绘图样式和效果，我们可以选择最合适的样式来呈现图形。
基本绘图
在开始绘图之前，我们需要检查一下是否已经安装了Matplotlib库。如果没有安装，我们需要使用pip命令来安装它：
pip install matplotlib
接下来，我们可以使用Matplotlib库的“draw”函数来绘制网络图。其基本用法如下：
import matplotlib.pyplot as plt
nx.draw(G)
plt.show()
在这个例子中，我们首先使用Matplotlib库的pyplot模块导入plt模块，来使用Matplotlib的绘图功能。随后我们使用networkX中的“draw”函数来绘制网络图。最后，我们使用Matplotlib的“show”函数来显示绘制出来的图形。
显示节点标签
在前面的例子中我们已经绘制出了网络图，但是节点标签是看不到的。如果我们想显示节点标签，可以给“draw”函数添加一个参数“with_labels=True”。
import matplotlib.pyplot as plt
nx.draw(G, with_labels=True)
plt.show()
在这个例子中，我们添加了一个参数“with_labels=True”来显示节点标签。
选择绘图样式
我们可以使用Matplotlib库中提供的多种样式来选择适宜的绘图样式。下面是一个例子：
import matplotlib.pyplot as plt
nx.draw(G, with_labels=True, node_color='lightblue', edge_color='gray')
plt.show()
在这个例子中，我们使用了不同的颜色来标识节点和边。节点颜色为“lightblue”，边颜色为“gray”。
自定义节点样式
我们也可以自定义节点的样式，比如节点大小、形状等等。下面是一个例子：
import matplotlib.pyplot as plt
pos = nx.spring_layout(G)
nx.draw_networkx_nodes(G, pos, node_size=500, node_color='lightblue')
nx.draw_networkx_labels(G, pos, font_size=12, font_color='darkgreen')
nx.draw_networkx_edges(G, pos, edge_color='gray')
plt.axis('off')
plt.show()
在这个例子中，我们使用了另一种绘图方式，即使用“draw_networkx_nodes”、“draw_networkx_labels”和“draw_networkx_edges”函数来绘制。我们使用“spring_layout”函数来确定节点的位置，节点大小为500，节点颜色为“lightblue”。标签字号为12，颜色为“darkgreen”。边的颜色为“gray”。
绘制带权重的网络图
在现实生活中，往往需要考虑节点之间的权重，比如两个社交网络中的朋友关系间的亲密度。下面我们将介绍如何绘制带权重的网络图。
import networkx as nx
import matplotlib.pyplot as plt
G = nx.DiGraph()
G.add_edge('A', 'B', weight=3)
G.add_edge('B', 'C', weight=2)
G.add_edge('C', 'A', weight=1)
pos = nx.spring_layout(G)
weights = [G[u][v]['weight'] for u, v in G.edges()]
nx.draw_networkx_nodes(G, pos, node_size=500, node_color='lightblue')
nx.draw_networkx_edges(G, pos, width=weights, edge_color='gray')
nx.draw_networkx_labels(G, pos, font_size=12, font_color='darkgreen')
plt.axis('off')
plt.show()
在这个例子中，我们创建了一个有向图G，节点标签分别为‘A’、‘B’、‘C’，边分别为(‘A’，‘B’，3)、(‘B’，‘C’，2)和(‘C’，‘A’，1)。我们使用“spring_layout”函数来确定节点的位置，边的权重用“width”参数确定，节点大小为500，节点颜色为“lightblue”，标签字号为12，颜色为“darkgreen”。
结论
总之，使用networkX和Matplotlib绘制网络图是一件非常容易的事情。我们可以使用现成的函数来生成复杂的网络图，也可以手动创建节点和边。另外，通过Matplotlib的多种样式和绘图函数，我们能够绘制出高质量、美观的复杂网络图。无论你是做社交网络分析还是其他领域的网络分析，掌握这个技能都是非常有帮助的。