使用Python的networkx绘制精美网络图教程

yipeiwu_com5年前Python基础

最近因为数学建模3天速成Python,然后做了一道网络的题,要画网络图。在网上找了一些,发现都是一些很基础的丑陋红点图,并且关于网络的一些算法也没有讲,于是自己进http://networkx.github.io//学习了一下。以下仅博主自己的总结,勿认真,有错误尽情指出,大家一起交流。

需要用到的module malplotlib.pyplot 和networkx

正文:

一、malplotlib和networkx的安装(作者使用的是python2.7 pycharm)

在Python的文件夹目录下Scripts目录中,如果有pip.exe 文件,那么可以用cmd 进入这个目录,然后输入 `pip insall --pre matplotlib`直接下载。如果有easy_install 也可以输入`easy_install。如果都不行就去官网 https://pypi.python.org/pypi/matplotlib/1.5.3`找对应版本下载。

至于networkx,pycharm的porject interpreter里添加就好。

二、创建图

networkx有四种图 Graph 、DiGraph、MultiGraph、MultiDiGraph,分别为无多重边无向图、无多重边有向图、有多重边无向图、有多重边有向图。

  import network as nx 
  G = nx.Graph()#创建空的网络图
  G = nx.DiGraph()
  G = nx.MultiGraph()
  G = nx.MultiDiGraph()

然后是加点和边了,有多种方法

G.add_node('a')#添加点a
G.add_node(1,1)#用坐标来添加点
G.add_edge('x','y')#添加边,起点为x,终点为y
G.add_weight_edges_from([('x','y',1.0)])#第三个输入量为权值
#也可以
list = [[('a','b',5.0),('b','c',3.0),('a','c',1.0)]
G.add_weight_edges_from([(list)])

然后是图形的显示

#需要导入matplotlib
import matplotlib.pyplot as plt


nx.draw(G)
plt.show()

为了让图形更精美我们详解nx.draw()

nx.draw(G,pos = nx.random_layout(G),node_color = 'b',edge_color = 'r',with_labels = True,font_size =18,node_size =20)

pos 指的是布局 主要有spring_layout , random_layout,circle_layout,shell_layout。node_color指节点颜色,有rbykw ,同理edge_color.

with_labels指节点是否显示名字,size表示大小,font_color表示字的颜色。

看到这里,各位应该就能画出大量网站上的基本networkx简单教程了,大概是这个样子

三、绘制精美的图

如果你想要的图是这样的

或是这样的

还是这样的

可以继续看下去

首先要掌握两个方法

def draw_networkx_edges(G, pos,
            edgelist=None,
            width=1.0,
            edge_color='k',
            style='solid',
            alpha=1.0,
            edge_cmap=None,
            edge_vmin=None,
            edge_vmax=None,
            ax=None,
            arrows=True,
            label=None,
            **kwds):
G:图表
  一个networkx图
pos:dictionary
  将节点作为键和位置作为值的字典。
  位置应该是长度为2的序列。

edgelist:边缘元组的集合
  只绘制指定的边(默认= G.edges())

width:float或float数组
  边线宽度(默认值= 1.0)

edge_color:颜色字符串或浮点数组
  边缘颜色。可以是单颜色格式字符串(default ='r'),
  或者具有与edgelist相同长度的颜色序列。
  如果指定了数值,它们将被映射到
  颜色使用edge_cmap和edge_vmin,edge_vmax参数。

style:string
  边线样式(默认='solid')(实线|虚线|点线,dashdot)

alpha:float
  边缘透明度(默认值= 1.0)

edge_ cmap:Matplotlib色彩映射
  用于映射边缘强度的色彩映射(默认值=无)

edge_vmin,edge_vmax:float
  边缘色图缩放的最小值和最大值(默认值=无)

ax:Matplotlib Axes对象,可选
  在指定的Matplotlib轴中绘制图形。

arrows:bool,optional(default = True)
  对于有向图,如果为真,则绘制箭头。

label:图例的标签
def draw_networkx_nodes(G, pos,
            nodelist=None,
            node_size=300,
            node_color='r',
            node_shape='o',
            alpha=1.0,
            cmap=None,
            vmin=None,
            vmax=None,
            ax=None,
            linewidths=None,
            label=None,
            **kwds):

G:图表

一个networkx图

pos:dictionary
  将节点作为键和位置作为值的字典。
  位置应该是长度为2的序列。

ax:Matplotlib Axes对象,可选
  在指定的Matplotlib轴中绘制图形。

nodelist:list,可选
  只绘制指定的节点(默认G.nodes())

node_size:标量或数组
  节点大小(默认值= 300)。如果指定了数组,它必须是
  与点头长度相同。

node_color:颜色字符串或浮点数组
  节点颜色。可以是单颜色格式字符串(default ='r'),
  或者具有与点头相同长度的颜色序列。
  如果指定了数值,它们将被映射到
  颜色使用cmap和vmin,vmax参数。看到
  matplotlib.scatter更多详细信息。

node_shape:string
  节点的形状。规格为matplotlib.scatter
  标记,'so ^> v <dph8'(默认='o')之一。

alpha:float
  节点透明度(默认值= 1.0)

cmap:Matplotlib色图
  色彩映射节点的强度(默认=无)

vmin,vmax:float
  节点色彩映射缩放的最小值和最大值(默认值=无)

线宽:[无|标量|序列]
  符号边框的线宽(默认值= 1.0)

label:[无|串]
  图例的标签

然后基本上所有networkx的超酷精美图的源码你都能快速弄懂了。

http://networkx.github.io// 网络图案例源码

以上这篇使用Python的networkx绘制精美网络图教程就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持【听图阁-专注于Python设计】。

相关文章

Python实现判断一行代码是否为注释的方法

目前的编辑器大都可以自动检测某一行代码是否为代码行或注释行,但并不太提供代码行/注释行行数的统计,对于大量代码文件的代码行/注释行统计,就更少见一些。本篇文章试用一段Python脚本来实...

python把数组中的数字每行打印3个并保存在文档中的方法

python把数组中的数字每行打印3个并保存在文档中的方法

如下所示: arrs=[2,15,48,4,5,6,7,6,4,1,2,3,6,6,7,4,6,8] f=open('test.txt','w+') count=0 for temp...

python实现k-means聚类算法

python实现k-means聚类算法

k-means聚类算法 k-means是发现给定数据集的k个簇的算法,也就是将数据集聚合为k类的算法。 算法过程如下: 1)从N个文档随机选取K个文档作为质心 2)对剩余的每个文档测量其...

Python中动态创建类实例的方法

简介 在Java中我们可以通过反射来根据类名创建类实例,那么在Python我们怎么实现类似功能呢? 其实在Python有一个builtin函数import,我们可以使用这个函数来在运行时...

python正则分析nginx的访问日志

前言 本文的脚本是分析nginx的访问日志, 主要为了检查站点uri的访问次数的,检查的结果会提供给研发人员做参考,因为谈到分析嘛,那肯定要用到正则表达式了,所以请没有接触过正则的小伙伴...