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
- cmake-2.8.3.tar.gzmysql-5.5.8.tar.gz一,cmake-2.8.3的安装:tar -zxf cmake-2.
- 1.安装好JDK下载并安装好jdk-12.0.1_windows-x64_bin.exe,配置环境变量:新建系统变量JAVA_HOME,值为
- DBA_2PC_PENDING Oracle会自动处理分布事务,保证分布事务的一致性,所有站点全部提交或全部回滚。一般情况下,处理过程在很短
- 前言在跑项目时,常常会安装很多的包,也通常会遇到需要安装指定版本的包,以及包与包不兼容的问题。比如:在项目1中安装librosa时,会自动安
- 前言如果你和我一样偶尔看看股票,看看自己关注的股票是涨了还是跌了,或者想快速获取到想看的头条新闻,我们不必把过多的注意力放在去寻找上面,我们
- pandas 读取各种格式文件:前置工序: import pandas as pdcsv 文件读取中文错误处理: utf-8 codec c
- 1.网络爬虫的基本概念网络爬虫(又称网络蜘蛛,机器人),就是模拟客户端发送网络请求,接收请求响应,一种按照一定的规则,自动地抓取互联网信息的
- 本文用纯js代码手写一个瀑布流网页效果,初步实现一个基本的瀑布流布局,以及滚动到底部后模拟ajax数据加载新图片功能。缺点:1. 程序不是响
- 1、对继承的理解继承(Inheritance) :代码复用的高级抽象继承是面向对象设计的精髓之一实现了以类为单位的高级抽象级别代码复用继承是
- 查询效率分析:子查询为确保消除重复值,必须为外部查询的每个结果都处理嵌套查询。在这种情况下可以考虑用联接查询来取代。如果要用子查询,那就用E
- ORACLE的数据字典是数据库的重要组成部分之一,它随着数据库的产生而产生, 随着数据库的变化而变化, 体现为sys用户下的一些表和视图。数
- digo工具地址:https://github.com/werbenhu/digo特性使用注释中的注解自动代码生成自动检测循环依赖编译时期依
- MySql5.0以后均支持存储过程,最近有空,研究了一下这个格式:CREATE PROCEDURE 过程名 ([过程参数[,...]])[特
- 【人工智能项目】Python Flask搭建yolov3目标检测系统后端代码from flask import Flask, request
- 译序:本文提到了一种很不错的实现跨浏览器圆角的解决方案,但是说的不够全面,前端观察最近将整理更多更全面的资源给大家,敬请期待。前一段时间,我
- Introduction简介So what is POSH? No, it's not just some new clothing
- 首先来看实例代码:# -*- coding:utf-8 -*-import requestsimport datetimeimport ti
- 一、三种数据文件的读取二、csv、tsv、txt 文件读取1)CSV文件读取:语法格式:pandas.read_csv(文件路径)CSV文件
- PyTorch与PyTorch Geometric的安装GPU与CUDA,Python,PyTorch的匹配1. 查看Linux系统中GPU
- 代码如下: <% dim fso,objFolder,objFiles dim filelist Set fso=Server.Cre