node_size = []
# first community against the others
for node, community in partition.items():
if community == 1:
node_size.append(900)
else:
partition[node] = 0 # I put all the other communities in one communitiy
node_size.append(300)
plt.figure(figsize=(10, 10))
plt.axis('off')
nodes = nx.draw_networkx_nodes(H, pos, node_size=node_size, cmap=plt.cm.winter, node_color=list(partition.values()))
nx.draw_networkx_edges(H, pos, alpha=0.3)
plt.show(H)
对于小图,我发现^{} 非常适合绘制社区。如果需要突出显示节点(及其社区),我建议您:
为不同的社区选择不同的颜色(越多 颜色在视觉上差异越大),
增加节点的大小并
使边缘变浅灰色(这样图形看起来就不那么明显了 杂乱无章,节点在视觉上更加突出)。
如果选择
spring_layout
,则可以另外使用k
参数(文档说明:增加此值以将节点移动得更远一些。请注意,spring_layout
每次运行代码时都会给出不同的图像(这样,您可以多次运行代码,只有当您对结果满意时才保存图像)。在在下面的例子中,我使用了一个默认的图(
nx.karate_club_graph
),在这个图中,我使用python-louvain
包(作为community
导入)自动检测社区。节点大小是用node_size
中的node_size
参数定义的。节点颜色取决于它们所属的社区,我使用plt.cm.RdYlBu
颜色映射(请参阅更多颜色映射here)。请注意,您还可以通过在plt.figure
中定义一个更大或更小的图像来影响节点大小(和边长度)。在输出(我运行代码多次,并选择了“最漂亮”的图像):
但是,如果你有一个更大的图表和不太明显的社区呢?因此,这里的随机图(100)和随机图(100)是相同的,但更复杂的是绘制边缘:
^{pr2}$输出:
在上图中我们看不到清晰的社区。这里至少有三种选择:
手动定义图形布局(节点坐标/位置)(
pos
在我的代码中),尝试不同的布局(找到here)和
为每个社区树立一个形象(或者至少是最重要的 社区)。
如果选择第三个选项,则可以使一个高亮显示的社区的节点比其他节点大(当然,颜色也不同)。您还可以更改该社区中边缘的颜色和厚度(在下面的示例中未显示)。在
输出(仅突出显示第一个社区):
如果同一个图形有多个图像,我建议节点在所有这些图像中具有相同的位置(图形之间需要有相同的
pos
)。这样图像就更具可比性。在相关问题 更多 >
编程相关推荐