Python networkx 繪製網狀圖簡介__Python

轉自：http://www.cnblogs.com/huiyang865/p/5677449.html 繪製基本網狀圖

用matplotlib繪製網狀圖
基本流程：
1. 匯入networkx，matplotlib包
2. 建立網路
3. 繪製網路 nx.draw()
4. 建立布局 pos = nx.spring_layout美化作用
最基本畫圖程式

1 import networkx as nx             #匯入networkx包2 import matplotlib.pyplot as plt 3 G = nx.random_graphs.barabasi_albert_graph(100,1)   #產生一個BA無標度網路G4 nx.draw(G)                               #繪製網路G5 plt.savefig("ba.png")           #輸出方式1: 將映像存為一個png格式的圖片檔案6 plt.show()                            #輸出方式2: 在視窗中顯示這幅映像 

networkx 提供畫圖的函數有： draw（G，[pos,ax,hold]） draw_networkx(G，[pos,with_labels]) draw_networkx_nodes(G,pos,[nodelist]) 繪製網路G的節點圖 draw_networkx_edges(G,pos[edgelist]) 繪製網路G的邊圖 draw_networkx_edge_labels(G, pos[, ...]) 繪製網路G的邊圖，邊有label
---有layout 布局畫圖函數的分界線--- draw_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.

networkx 畫圖參數：
- node_size: 指定節點的尺寸大小(預設是300，單位未知，就是上圖中那麼大的點)
- node_color: 指定節點的顏色 (預設是紅色，可以用字串簡單標識顏色，例如'r'為紅色，'b'為綠色等，具體可查看手冊)，用“資料字典”賦值的時候必須對字典取值（.values()）後再賦值
- node_shape: 節點的形狀（預設是圓形，用字串'o'標識，具體可查看手冊）
- alpha: 透明度 (預設是1.0，不透明，0為完全透明)
- width: 邊的寬度 (預設為1.0)
- edge_color: 邊的顏色(預設為黑色)
- style: 邊的樣式(預設為實現，可選： solid|dashed|dotted,dashdot)
- with_labels: 節點是否帶標籤（預設為True）
- font_size: 節點標籤字型大小 (預設為12)
- font_color: 節點標籤字型顏色（預設為黑色）
e.g. nx.draw(G,node_size = 30, with_label = False)
繪製節點的尺寸為30，不帶標籤的網狀圖。

networkx 畫圖參數：
- node_size: 指定節點的尺寸大小(預設是300，單位未知，就是上圖中那麼大的點)
- node_color: 指定節點的顏色 (預設是紅色，可以用字串簡單標識顏色，例如'r'為紅色，'b'為綠色等，具體可查看手冊)，用“資料字典”賦值的時候必須對字典取值（.values()）後再賦值
- node_shape: 節點的形狀（預設是圓形，用字串'o'標識，具體可查看手冊）
- alpha: 透明度 (預設是1.0，不透明，0為完全透明)
- width: 邊的寬度 (預設為1.0)
- edge_color: 邊的顏色(預設為黑色)
- style: 邊的樣式(預設為實現，可選： solid|dashed|dotted,dashdot)
- with_labels: 節點是否帶標籤（預設為True）
- font_size: 節點標籤字型大小 (預設為12)
- font_color: 節點標籤字型顏色（預設為黑色）
e.g. nx.draw(G,node_size = 30, with_label = False)
繪製節點的尺寸為30，不帶標籤的網狀圖。

 

布局指定節點排列形式

pos = nx.spring_layout

建立布局，對圖進行布局美化，networkx 提供的布局方式有：
- circular_layout：節點在一個圓環上均勻分布
- random_layout：節點隨機分布
- shell_layout：節點在同心圓上分布
- spring_layout： 用Fruchterman-Reingold演算法排列節點
- spectral_layout：根據圖的拉普拉斯特徵向量排列節
布局也可用pos參數指定，例如，nx.draw(G, pos = spring_layout(G)) 這樣指定了networkx上以中心放射狀分布. 繪製劃分後的社區

先看一段代碼，代碼源自site

partition = community.best_partition(User)size = float(len(set(partition.values())))pos = nx.spring_layout(G)count = 0.for com in set(partition.values()) :    count = count + 1.    list_nodes = [nodes for nodes in partition.keys()                                if partition[nodes] == com]                     nx.draw_networkx_nodes(G, pos, list_nodes, node_size = 50,                                node_color = str(count / size))nx.draw_networkx_edges(User,pos,with_labels = True, alpha=0.5 )plt.show()

communit.best_partition 是社區劃分方法，演算法是根據Vincent D.Blondel 等人於2008提出，是基於modularity optimization的heuristic方法.
partition的結果存在字典資料類型：
{'1': 0, '3': 1, '2': 0, '5': 1, '4': 0, '6': 0}
單引號裡的資料是key，也就是網路中節點編號。
冒號後面的數值，表示網路中節點的編號屬於哪個社區。也就是社區標號。如'6': 0表示6節點屬於0社區

list_nodes = [nodes for nodes in partition.keys() if partition[nodes] == com] 

每次迴圈list_nodes結果是社區i對應的使用者編號。
如第一次迴圈結果是com = 0, list_nodes= ['1','2','4','6']
第二次迴圈的結果是com = 1, list_nodes = ['3','6']
這樣每次迴圈，畫出一個社區的所有節點：

nx.draw_networkx_nodes(G, pos, list_nodes, node_size = 50,                                node_color = str(count / size))

迴圈結束後通過顏色來標識不同社區.