Python Matplotlib 基于networkx画关系网络图
作者:roguesir 发布时间:2021-04-03 04:49:26
前言
昨天才开始接触,鼓捣了一个下午,接下来会持续更新,如果哪里有错误的地方,望各位大佬指出,谢谢!
数据描述
两个文件,一个文件包含了网络图的节点,节点存在类别(0,1,2,3)四类,但是0类别舍去,不画出;另一个文件包含了网络图的边,数据基本特征如下:
图1中,id表示节点,b是类别;图2中,两个数字表示边连接的两个点。
Networkx
安装
我的系统是Mac OS,直接在terminal输入sudo pip install networkx就可以安装,由于代码中涉及几个函数,在python3中会报错,我用python2.7.13实现的
基本使用方法
import networkx as nx #导入networkx包
import matplotlib.pyplot as plt #导入绘图包matplotlib(需要安装,方法见第一篇笔记)
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
参数介绍基本
- `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)
- `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)
布局
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
spectral_layout:根据图的拉普拉斯特征向量排列节点
代码
# coding:utf-8
import networkx as nx
import matplotlib.pyplot as plt
import csv
with open('node-8.csv','rb') as csvfile:
reader = csv.DictReader(csvfile)
column = [row['b'] for row in reader]
id_tag0 = [row['id'] for row in reader]
#print column
id_tag = []
for item in id_tag0:
id_tag.append(int(item))
# =================Setting node parameters====================
node_0 = []
node_1 = []
node_2 = []
node_3 = []
node_color = []
node_color_y = []
node_color_r = []
node_color_g = []
node_color_b = []
node_shape = []
node_shape_0 = []
node_shape_1 = []
node_shape_2 = []
node_shape_3 = []
for i in range(len(column)):
if int(column[i]) == 0:
pass
elif int(column[i]) == 1:
color = 'r'
shape = 'o'
node_1.append(i)
node_color_r.append(color)
node_shape_1.append(shape)
elif int(column[i]) == 2:
color = 'g'
shape = 'o'
node_2.append(i)
node_color_g.append(color)
node_shape_2.append(shape)
else:
color = 'b'
shape = '*'
node_3.append(i)
node_color_b.append(color)
node_shape_3.append(shape)
node_color.append(color)
node_shape.append(shape)
# ==============================================================
with open('node-8.csv','rb') as csvfile:
reader = csv.DictReader(csvfile)
column1 = [row['b'] for row in reader]
id_tag1 = [row['id'] for row in reader]
#print column
id_tag11 = []
for item in id_tag1:
id_tag11.append(int(item))
edge = []
with open('edge-8.txt','r') as f:
data = f.readlines()
for line in data:
#print line
line = tuple(line.replace('\r','').replace('\n','').replace('\t','').split(','))
edge.append(line)
#print edge
# ===============Setting edge parameters=========================
edge_color = []
edge_style = []
for item in edge:
#print item
if int(column1[int(item[0])]) == 0 or int(column1[int(item[1])]) == 0:
pass
elif int(column1[int(item[0])]) == 1 or int(column1[int(item[1])]) == 1:
color = 'r'
#style0 = 'dashdot'
#color_r_list.append(color)
elif int(column1[int(item[0])]) == 2 or int(column1[int(item[1])]) == 2:
color = 'g'
#style0 = 'dashed'
#color_r_list.append(color)
else:
color = 'b'
#style0 = 'dotted'
#color_b_list.append(color)
edge_color.append(color)
#edge_style.append(style0)
G = nx.Graph()
#G.add_nodes_from(id_tag)
G.add_edges_from(edge)
#nx.draw(G,pos=nx.random_layout(G), nodelist = node_0, node_color = node_color_y, node_size=120, node_shape=node_shape_0)
#nx.draw(G,pos=nx.random_layout(G), nodelist = node_1, node_color = node_color_r, node_size=120, node_shape=node_shape_1)
#nx.draw(G,pos=nx.random_layout(G), nodelist = node_2, node_color = node_color_g, node_size=120, node_shape=node_shape_2)
#nx.draw(G,pos=nx.random_layout(G), nodelist = node_3, node_color = node_color_b, node_size=120, node_shape=node_shape_3)
nx.draw_networkx(G,pos=nx.random_layout(G),node_color=node_color,node_size=10,node_shape='o',edge_color=edge_color,width=0.3,style='solid',font_size=8)
#nx.draw_networkx(G,pos=nx.random_layout(G),nodelist = node_1,node_color=node_color,node_size=100,node_shape='o',style='dashdot')
#nx.draw_networkx(G,pos=nx.random_layout(G),node_color=color_g_list,node_size=150,node_shape='^',style='dashed')
#nx.draw_networkx(G,pos=nx.random_layout(G),node_color=color_b_list,node_size=150,node_shape='*',style='dotted')
#plt.legend()
#nx.draw_networkx(G)
plt.show()
画图
来源:https://blog.csdn.net/roguesir/article/details/78211580


猜你喜欢
- 事实上,当我们向文件导入某个模块时,导入的是
- 本文实例讲述了Python找出文件中使用率最高的汉字的方法。分享给大家供大家参考。具体分析如下:这是我初学Python时写的,为了简便,我并
- NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整数和切片的索引外,数组可以由整数数组索引、布尔索引及花式索引。
- MySQL表中的约束(constraint)为了保证数据的完整性,(数据的精确性和可靠性)SQL规范以约束的方式对表数据进行额外的条件限制,
- event.keycode值大全 1 keycode 8 = BackSpace BackSpace 2 keycode 9 = Tab T
- 为什么需要虚拟DOM?如果对前端工作进行抽象的话,主要就是维护状态和更新视图,而更新视图和维护状态都需要DOM操作。其实近年来,前端的框架主
- 1 map使用1.1 map定义map是一种无序的集合,对应的key (索引)会对应一个value(值),所以这个结构也称为关联数组或字典。
- 1、jquery//获取value值$("#ddlSubmodel").val();//获取text值$("#
- 1.文章背景近期,笔者所在公司的某业务系统的存储临近极限,服务器马上就要跑不动了,由于该业务系统A包含多个子系统A1、A2、A3 ... A
- 前言在本文中,您将学习如何使用 OpenCV 进行人脸识别。文章分三部分介绍:第一,将首先执行人脸检测,使用深度学习从每个人脸中提取人脸量化
- 一、概论超大型系统的特点为:1、处理的用户数一般都超过百万,有的还超过千万,数据库的数据量一般超过1TB;2、系统必须提供实时响应功能,系统
- 前言Python语言的turtle库是一个直观有趣的图形绘制函数库,是python语言标准库之一。turtle库也叫海龟库,是turtle绘
- 词云图什么是词云图,相信大家肯定不会感到陌生,一本书统计里面出现的词频,然后可视化展示,让读者快速的了解这个主题纲要,这就是词云的直接效果。
- 本文实例讲述了python实现查找两个字符串中相同字符并输出的方法。分享给大家供大家参考。具体实现方法如下:seq1 = "spa
- 关键的安装考虑虽然大多数的SQL Server安装都使用了默认的参数,这样的话是一个简单的过程,但是没有理解安装参数的话,也会导致困惑或者将
- 这里我们将对Python 3.1核心语言的变化进行分析,包括字符串的格式化、说明符以及其他方面的内容。希望这些变化能对大家了解Python
- MySQL数据库线程缓冲池的相关知识是本文我们主要要介绍的内容,MySQL数据库支持线程缓存,在多线程连接模式下,如果连接断开后,将这个线程
- 我就废话不多说了,直接上代码吧!import cv2import osdef save_img(): video_path =
- 目录前期准备界面编写截图功能实现OCR实现内容显示总结前期准备在这个阶段主要准备整个小程序的结构,既然要实现ocr,那么输入就是一张图片,而
- 本文实例分析了JS重载实现方法。分享给大家供大家参考,具体如下:重载是面向对象语言里很重要的一个特性,JS中没有真正的重载,是模拟出来的(因