Python 使用Matplotlib可视化由NetworkX生成的图形

Python是一种灵活的编程语言，以其简单和清晰而闻名。它提供了许多用于简化不同任务的库和组件，包括创建图形和显示的功能。NetworkX是一个高效的Python工具包，用于构建、修改和研究复杂网络的结构、运动和操作。而Matplotlib是一个在Python中创建静态、动态和交互式可视化的流行工具包。

定义

NetworkX是一个用于构建、修改和研究复杂网络的Python库。它提供了多个特性和数学公式，可生成各种图形表示。这包括有向和无向网络、多重图和二分图。

Matplotlib提供了广泛的功能，用于使用Python生成静态、动态和交互式图表。它提供了许多可视化数据的方式，例如折线图、散点图、条形图、直方图等。

语法

import networkx as nx
import matplotlib.pyplot as plt
G = nx.Graph()
G.add_edge(1, 2)
G.add_edge(2, 3)
nx.draw(G)
plt.show()
plt.savefig("filename.png")

程序的初始阶段涉及导入必要的模块，networkx和matplotlib.pyplot。然后，在networkx库中使用Graph()子例程创建一个空图变量G。

为了定义图表的布局，通过add_edge()函数放置两个连接线。

定义完成后，程序继续使用networkx框架的draw()函数可视化图表。draw()方法接收图G作为变量，并生成网络的可视输出。默认情况下，函数draw()使用弹簧布局算法来放置元素。它显示具有预设视觉特征的图表。

使用来自matplotlib.pyplot库的show()函数调用显示构建的图表。根据脚本运行的条件。

最后，程序将图表保存为名为”filename.png”的图片文件。它使用matplotlib.pyplot框架的savefig()过程。此函数使用户能够定义文件名和格式（如PNG，JPEG，PDF）以存储图表。在这种情况下，图表保存为PNG格式的图片，标题为”filetitle.png”。该文件将保存在与Python脚本或笔记本相同的文件夹中。

步骤

步骤1：导入所需的库：networkx和matplotlib.pyplot。
步骤2：使用NetworkX生成图。
步骤3：使用Matplotlib绘制图表。
步骤4：将图表绘制保存到文件中。
步骤5：显示图表的绘制。

方法

方法1：使用节点标签和边权重可视化图表
方法2：使用子图绘制大图表

方法1：使用节点标签和边权重可视化图表

示例

import networkx as nx
import matplotlib.pyplot as plt

# Create graph
G = nx.Graph()

# Add nodes
G.add_node(1, label='A')
G.add_node(2, label='B')
G.add_node(3, label='C')
G.add_node(4, label='D')

# Add edges
G.add_edge(1, 2, weight=4)
G.add_edge(2, 3, weight=7)
G.add_edge(3, 1, weight=2)
G.add_edge(1, 4, weight=5)

# Set node positions
pos = nx.spring_layout(G)

# Draw nodes and labels
nx.draw_networkx_nodes(G, pos)
nx.draw_networkx_labels(G, pos, labels=nx.get_node_attributes(G, 'label'))

# Draw edges with weights
edge_labels = nx.get_edge_attributes(G, 'weight')
nx.draw_networkx_edge_labels(G, pos, edge_labels=edge_labels)
nx.draw_networkx_edges(G, pos)

# Show graph
plt.axis('off')
plt.show()

输出

Python 使用Matplotlib可视化由NetworkX生成的图形

我们使用NetworkX的Graph()函数创建一个名为G的空图对象。

现在是为我们的图添加节点的时候了。为了将个别节点添加到图中，我们利用add_node()函数。每个节点都有一个唯一的标识符，我们还可以通过使用自定义属性给节点赋予标签。例如，在这个例子中，我们将节点1标记为’A’，节点2标记为’B’，节点3标记为’C’，节点4标记为’D’。

当我们添加了节点后，我们将生成用于连接节点的边。为了在节点之间添加边，我们使用add_edge()函数。例如，节点1和2通过一条权重为4的边连接在一起。

为了看到图形，我们首先需要将节点定位。为了自动计算节点的位置，我们使用NetworkX的spring_layout()方法。该函数应用一种算法，试图以美观的方式布置节点。

现在到了令人兴奋的部分-可视化图形！我们使用各种NetworkX函数和Matplotlib来创建图形。我们首先使用draw_networkx_nodes()函数绘制节点，使用draw_networkx_labels()函数绘制标签。我们传入之前计算得到的图形对象G和位置pos。这样确保节点和标签以正确的位置显示。

为了可视化边，我们还使用draw_networkx_edges()函数绘制它们。此外，我们还使用draw_networkx_edge_labels()函数添加边权重。该函数将边权重作为标签添加到相应的边附近。

最后，我们使用plt.show()显示图形。这将打开一个窗口或在Jupyter Notebook界面中显示图形。为了使图形看起来更整洁，侧重于图形本身，我们使用plt.axis(‘off’)关闭轴的可见性。

方法2：使用子图可视化大型图形

示例

import networkx as nx
import matplotlib.pyplot as plt

# Create graph
G = nx.path_graph(5)

# Create subplots
fig, axs = plt.subplots(nrows=1, ncols=2, figsize=(10, 5))

# Plot original graph
axs[0].set_title('Original Graph')
nx.draw(G, ax=axs[0])

# Plot modified graph
axs[1].set_title('Modified Graph')
pos = nx.spring_layout(G)
nx.draw(G, pos=pos, ax=axs[1], node_color='r', node_size=500, with_labels=False)
plt.suptitle('Visualization of Large Graph with Subplots')
plt.show()

输出

Python 使用Matplotlib可视化由NetworkX生成的图形

首先，我们导入必要的库：NetworkX和Matplotlib.pyplot。这些库提供了创建和可视化图形的功能和工具。

接下来，我们使用NetworkX的path_graph()函数创建了一个名为G的图形对象。这个函数生成一个简单的路径图，其中5个节点以线性方式连接。

为了组织可视化，我们使用Matplotlib的subplots()方法来构造子图。我们指定子图的行数和列数（在这种情况下为一行两列），以及图形的大小。

这样可以将绘图区域分成多个部分，以显示不同的图形。

现在，是时候在第一个子图上绘制原始图形了。我们使用索引0来访问第一个子图，并使用set_title()函数设置其标题。然后，我们使用NetworkX的draw()函数在该子图上可视化原始图形。

接下来是第二个子图，我们重复这个过程。我们设置其标题并使用索引1访问它。我们还使用NetworkX的spring_layout()函数计算节点位置，该函数以美观的方式布置节点。然后，我们再次使用draw()函数在该子图上可视化修改后的图形。在这里，我们可以自定义节点的颜色、大小和标签，以使其与原始图形区别开来。

为了增强整体呈现效果，我们使用Matplotlib的suptitle()函数给整个图形添加一个共同的标题。