【Python】python 學習筆記 --畫圖(networkx)

繪制基本網絡圖

用matplotlib繪制網絡圖
基本流程：
1.導入networkx，matplotlib包
2.建立網絡
3.繪制網絡 nx.draw()
4.建立布局 pos = nx.spring_layout美化作用
最基本畫圖程序

1.  
   import import networkx as nx #導入networkx包
2.  
   import matplotlib.pyplot as plt
3.  
   G = nx.random_graphs.barabasi_albert_graph( 100,1) #生成一個BA無標度網絡G
4.  
   nx.draw(G) #繪制網絡G
5.  
   plt.savefig( "ba.png") #輸出方式1: 將圖像存為一個png格式的圖片文件
6.  
   plt.show() #輸出方式2: 在窗口中顯示這幅圖像

---

networkx 提供畫圖的函數有：

1. draw（G，[pos,ax,hold]）
2. draw_networkx(G，[pos,with_labels])
3. draw_networkx_nodes(G,pos,[nodelist]) 繪制網絡G的節點圖
4. draw_networkx_edges(G,pos[edgelist]) 繪制網絡G的邊圖
5. draw_networkx_edge_labels(G, pos[, ...])繪制網絡G的邊圖，邊有label
   ---有layout 布局畫圖函數的分界線---
6. draw_circular(G, **kwargs)Draw the graph G with a circular layout.
7. draw_random(G, **kwargs)Draw the graph G with a random layout.
8. draw_spectral(G, **kwargs)Draw the graph G with a spectral layout.
9. draw_spring(G, **kwargs)Draw the graph G with a spring layout.
10. draw_shell(G, **kwargs)Draw networkx graph with shell layout.
11. 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(默認是300，單位未知，就是上圖中那么大的點)
- node_color: 指定節點的顏色 (默認是紅色，可以用字符串簡單標識顏色，例如'r'為紅色，'b'為綠色等，具體可查看手冊)，用“數據字典”賦值的時候必須對字典取值（.values()）后再賦值
- node_shape: 節點的形狀（默認是圓形，用字符串'o'標識，具體可查看手冊）
- alpha: 透明度 (默認是1.0，不透明，0為完全透明)
- width: 邊的寬度 (默認為1.0)
- edge_color: 邊的顏色(默認為黑色)
- style: 邊的樣式(默認為實現，可選： solid|dashed|dotted,dashdot)
- with_labels: 節點是否帶標簽（默認為True）
- font_size: 節點標簽字體大小 (默認為12)
- font_color: 節點標簽字體顏色（默認為黑色）
e.g. nx.draw(G,node_size = 30, with_label = False)
繪制節點的尺寸為30，不帶標簽的網絡圖。

---

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算法排列節點（這個算法我不了解，樣子類似多中心放射狀）
- spectral_layout：根據圖的拉普拉斯特征向量排列節
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.

繪制划分后的社區

先看一段代碼，代碼源自site

1.  
   partition = community.best_partition(User)
2.  
   size = float(len(set(partition.values())))
3.  
   pos = nx.spring_layout(G)
4.  
   count = 0.
5.  
    
6.  
   for com in set(partition.values()) :
7.  
   count = count + 1.
8.  
   list_nodes = [nodes for nodes in partition.keys()
9.  
   if partition[nodes] == com]
10.  
    nx.draw_networkx_nodes(G, pos, list_nodes, node_size = 50,
11.  
    node_color = str(count / size))
12.  
     
13.  
    nx.draw_networkx_edges(User,pos,with_labels = True, alpha=0.5 )
14.  
    plt.show()
15.  
     

communit.best_partition 是社區划分方法，算法是根據Vincent D.Blondel 等人於2008提出，是基於modularity optimization的heuristic方法.
partition的結果存在字典數據類型：
{'1': 0, '3': 1, '2': 0, '5': 1, '4': 0, '6': 0}
單引號里的數據是key，也就是網絡中節點編號。
冒號后面的數值，表示網絡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

1.  
   list_nodes = [nodes for nodes in partition.keys()
2.  
   if partition[nodes] == com]

每次循環list_nodes結果是社區i對應的用戶編號。
如第一次循環結果是com = 0, list_nodes= ['1','2','4','6']
第二次循環的結果是com = 1, list_nodes = ['3','6']
這樣每次循環，畫出一個社區的所有節點：

1.  
   nx.draw_networkx_nodes(G, pos, list_nodes, node_size = 50,
2.  
   node_color = str(count / size))

循環結束后通過顏色來標識不同社區。

轉自:https://segmentfault.com/a/1190000000527216