networkx笔记：绘制基本网络图

<h1 id="articleHeader1" style="font-family:'Open Sans','Helvetica Neue',Helvetica,Arial,STHeiti,'Microsoft Yahei',sans-serif;line-height:1.2;color:rgb(51,51,51);font-size:1.57143em;">
绘制基本网络图
<p style="color:rgb(51,51);font-family:'Open Sans',sans-serif;font-size:14px;line-height:22.3999996185303px;">
用matplotlib绘制网络图

基本流程：

导入networkx，matplotlib包
建立网络
绘制网络 nx.draw()
建立布局 pos = nx.spring_layout美化作用

最基本画图程序
```
  networkx  nx             
 matplotlib.pyplot  plt 
G = nx.random_graphs.barabasi_albert_graph(,)   生成一个BA无标度网络G
nx.draw(G)                               
plt.savefig()           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 
```
函数有：
- : 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) - : 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 - : 节点的形状（默认是圆形，用字符串'o'标识，具体可查看手册） - : 透明度 (默认是1.0，不透明，0为完全透明) - : 边的宽度 (默认为1.0) - : 边的颜色(默认为黑色) - : 边的样式(默认为实现，可选： solid|dashed|dotted,dashdot) - : 节点是否带标签（默认为True） - : 节点标签字体大小 (默认为12) - : 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。
Nginx" style="overflow:auto;font-size:.92857em;font-family:Consolas,monospace;line-height:1.3;color:rgb(101,123,131);border:none;background:rgb(246,246);"> = nx.spring_layout



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.


<h1 id="articleHeader2" style="font-family:'Open Sans',51);font-size:1.57143em;">

绘制划分后的社区

<p style="color:rgb(51,sans-serif;font-size:14px;line-height:22.3999996185303px;">

先看一段代码，代码源自<a href="http://perso.crans.org/aynaud/communities/" rel="nofollow" style="color:rgb(0,142,89);text-decoration:none;background:0px 0px;">site
sql">(.())))
pos = nx.spring_layout(G)
 = 


<span class="hljs-keyword" style="color:rgb(133,0);">for com <span class="hljs-keyword" style="color:rgb(133,0);">in <span class="hljs-keyword" style="color:rgb(133,0);">values()) :

<span class="hljs-keyword" style="color:rgb(133,0);">count = <span class="hljs-keyword" style="color:rgb(133,0);">count + <span class="hljs-number" style="color:rgb(42,152);">1.

list_nodes = [nodes <span class="hljs-keyword" style="color:rgb(133,0);">for nodes <span class="hljs-keyword" style="color:rgb(133,0);">partition.keys()

<span class="hljs-keyword" style="color:rgb(133,0);">if <span class="hljs-keyword" style="color:rgb(133,0);">partition[nodes] == com]

nx.draw_networkx_nodes(G,list_nodes,node_size = <span class="hljs-number" style="color:rgb(42,152);">50,node_color = <span class="hljs-keyword" style="color:rgb(133,0);">str(<span class="hljs-keyword" style="color:rgb(133,0);">count / <span class="hljs-keyword" style="color:rgb(133,0);">size))
nx.draw_networkx_edges(<span class="hljs-keyword" style="color:rgb(133,0);">User,with_labels = <span class="hljs-literal">True,alpha=<span class="hljs-number" style="color:rgb(42,152);">0.5 )

plt.<span class="hljs-keyword" style="color:rgb(133,0);">show()



<p style="color:rgb(51,sans-serif;font-size:14px;line-height:22.3999996185303px;">

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：
<code style="font-size:.92857em;font-family:Consolas,246);">{'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<code style="font-size:.92857em;font-family:Consolas,246);">'6': 0表示6节点属于0社区


<pre class="hljs coffeescript" style="overflow:auto;font-size:.92857em;font-family:Consolas,monospace;color:inherit;background-color:transparent;"> list_nodes = [nodes <span class="hljs-keyword" style="color:rgb(133,0);">in partition.keys()

<span class="hljs-keyword" style="color:rgb(133,0);">if partition[nodes] == com]



<p style="color:rgb(51,sans-serif;font-size:14px;line-height:22.3999996185303px;">

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：


<pre class="hljs perl" style="overflow:auto;font-size:.92857em;font-family:Consolas,monospace;color:inherit;background-color:transparent;"> nx.draw_networkx_nodes(G,<span class="hljs-keyword" style="color:rgb(133,0);">pos,node_color = str(count / size))



<p style="color:rgb(51,sans-serif;font-size:14px;line-height:22.3999996185303px;">

循环结束后通过颜色来标识不同社区


<p style="color:rgb(51,sans-serif;font-size:14px;">

http://segmentfault.com/a/1190000000527216
 原文链接：https://www.f2er.com/python/59436.html

networkx笔记：绘制基本网络图

猜你在找的Python相关文章