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html" target="_blank">html" target="_blank">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
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
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持小牛知识库。
本文向大家介绍python networkx 包绘制复杂网络关系图的实现,包括了python networkx 包绘制复杂网络关系图的实现的使用技巧和注意事项,需要的朋友参考一下 1. 创建一个图 所有的构建复杂网络图的操作基本都围绕这个g来执行。 2. 节点 节点的名字可以是任意数据类型的,添加一个节点是 添加一组节点,就是提前构建好了一个节点列表,将其一次性加进来,这跟后边加边的操作是具有一致
问题内容: 我想动画一个随时间增长的图形。 这是我到目前为止所拥有的: 但是,我收到以下错误消息: 我想要的是一个动画,您可以在其中看到图形的增长。我可以在每个阶段保存图形,也许可以在matplotlib之外创建动画,但是有什么办法可以使它像这样工作吗? 问题答案: 经过审查,该代码与该问题的相关性不如我想象的那样。但是,我能够使用该SO答案和该SO答案为您拼凑出一个答案。以下代码将创建一个图,向
我将首先解释我试图实现的目标,然后解释我目前解决它的方法。我感谢任何有用的输入,即使它意味着从头开始。如果需要,我会添加更多代码或解释。 这将是更大的Android应用程序的一部分。这部分应该在一个可滚动的视图/布局中显示先前选定网络中的所有节点以及节点之间的关系。这些关系应该由节点之间的箭头描绘,显示每个节点在一定时间间隔内可以“听到”哪些节点。遗憾的是,节点必须是可点击的,因为您必须能够在该视
网络路径性能检测主要包括三方面的内容:带宽测量能够获知网络的硬件特性,如网络的最大容量,吞吐量测量能够获得网络实际可提供的最大容量,数据流测量能够了解真实占用的网络容量。
本文向大家介绍PythonMatplotlib,包括了PythonMatplotlib的使用技巧和注意事项,需要的朋友参考一下 示例 Matplotlib是一个用于Python的数学绘图库,它提供了各种不同的绘图功能。 您可以在此处找到matplotlib文档,并在此处提供SO文档。 Matplotlib提供了两种不同的绘图方法,尽管它们在很大程度上可以互换: 首先,matplotlib提供了py
所有 Keras 网络层都有很多共同的函数: layer.get_weights(): 以含有Numpy矩阵的列表形式返回层的权重。 layer.set_weights(weights): 从含有Numpy矩阵的列表中设置层的权重(与get_weights的输出形状相同)。 layer.get_config(): 返回包含层配置的字典。此图层可以通过以下方式重置: layer = Dense(32