日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

python?NetworkX庫生成并繪制帶權無向圖_python

作者：orion-orion ? 更新時間： 2022-07-07 編程語言

NetworkX是一個非常強大的網絡科學工具，它封裝了圖的數據結構和許多經典圖算法，也內置了許多可視化函數可供調用。

1. 隨機圖生成

最經典的隨機圖當屬我們在上一篇博客《Erdos-Renyi隨機圖的生成方式及其特性》中講到的Erd?s-Rény隨機圖了，我們這里選用其中的Gnp?np形式，調用以下API:

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

這里表示生成10個頂點的圖，且圖的每條邊都以0.3的概率產生。

當然，此時生成的圖不具有權重，我們想在此基礎上均勻隨機初始化[0, 0.4]之間的權重，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

隨機圖生成好之后，我們就要對其進行可視化了。首先我們需要計算每個節點在圖中擺放的位置，經典的Fruchterman-Reingold force-directed 算法可以完成這個操作，對應NetworkX中的spring_layout函數：

pos = nx.spring_layout(G, iterations=20) #我們設算法迭代次數為20次

然后就可以分別繪制圖的邊、節點和節點標簽了：

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()

繪圖結果如下：

當然，這樣圖的權值是無法體現于圖上的，如果我們需要圖的權值體現于圖上，可以使圖中邊的寬度按照權值大小來設置：

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()

此時的繪圖結果如下：

3. 3D布局可視化

如果你覺得2D布局過于扁平，還不夠直觀地體現節點之間的拓撲關系，那你可以采用如下的代碼對圖進行三維可視化：

# 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()

此時的繪圖結果如下：

參考

  • [1]?https://networkx.org/documentation/stable/reference/

原文鏈接：https://www.cnblogs.com/orion-orion/p/16256657.html

欄目分類
最近更新