基本流程:
1. 导入networkx,matplotlib包
2. 建立网络
3. 绘制网络 nx.draw()
4. 建立布局 pos = nx.spring_layout美化作用
最基本画图程序
import import networkx as nx #导入networkx包 import matplotlib.pyplot as plt 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
draw
(G,[pos,ax,hold])draw_networkx
(G,[pos,with_labels])draw_networkx_nodes
(G,pos,[nodelist]) 绘制网络G的节点图draw_networkx_edges
(G,pos[edgelist]) 绘制网络G的边图draw_networkx_edge_labels
(G, pos[, ...]) 绘制网络G的边图,边有labeldraw_circular(G, **kwargs)
Draw the graph G with a circular layout.draw_random(G, **kwargs)
Draw the graph G with a random layout.draw_spectral(G, **kwargs)
Draw the graph G with a spectral layout.draw_spring(G, **kwargs)
Draw the graph G with a spring layout.draw_shell(G, **kwargs)
Draw networkx graph with shell layout.draw_graphviz(G[, prog])
Draw networkx graph with graphviz layout.3、networkx 画图参数:
- 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),用“数据字典”赋值的时候必须对字典取值(.values())后再赋值
- 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)
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。
pos = nx.spring_layout
建立布局,对图进行布局美化,networkx 提供的布局方式有:
- 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.
manager = plt.get_current_fig_manager()
manager.window.showMaximized()
plt.figure(1, figsize=(9, 3))
plt.figure(2, figsize=(9, 3))
原文:https://www.cnblogs.com/rnanprince/p/10816771.html