NetworkX最小生成树对相同数据有不同的群集排列？

Question

我有一个大型数据集，它将产品与一个相关度度量进行比较，如下所示：

product1      product2  relatedness
0101          0102      0.047619
0101          0103      0.023810
0101          0104      0.095238
0101          0105      0.214286
0101          0106      0.047619
...           ...       ...

我使用以下代码将数据输入NetworkX图形工具并生成MST图：

import networkx as nx
import matplotlib.pyplot as plt

products = (data['product1'])
products = list(dict.fromkeys(products))
products = sorted(products)

G = nx.Graph()
G.add_nodes_from(products)
print(G.number_of_nodes())
print(G.nodes())

row = 0
for c in data['product1']:
    p = data['product2'][row]
    w = data['relatedness'][row]
    if w > 0:
        G.add_edge(c,p, weight=w, with_labels=True)
    row = row + 1

nx.draw(nx.minimum_spanning_tree(G), with_labels=True)
plt.show()

结果图如下所示：https://i.imgur.com/pBbcPGc.jpg

但是，当我使用相同的数据重新运行代码并且没有修改时，集群的排列似乎发生了变化，因此看起来就不同了，这里的示例：https://i.imgur.com/4phvFGz.jpg，这里的第二个示例：https://i.imgur.com/f2YepVx.jpg。簇、边和权重似乎没有变化，但它们在图形空间中的排列每次都在变化

是什么导致节点的排列每次都发生变化，而代码或数据没有任何变化？如何重新编写此代码以生成一个网络图，每次为相同的数据使用大致相同的节点和边排列

Answer 1

为清晰起见，分配G = nx.minimum_spanning_tree(G)。然后

nx.draw(G, with_labels=True)

相当于

pos = nx.spring_layout(G)
nx.draw(G, pos=pos, with_labels=True)

由于您不希望每次运行脚本时都随机计算pos，因此保持pos稳定的唯一方法是存储它一次，并在每次重新运行后从文件中检索。您可以将此脚本置于pos之前，以改进的方式计算nx.draw(G, pos=pos, with_labels=True)：

import os, json

def store(pos):
    #form of dictionary to be stored dictionary retrieved
    return {k: v.tolist() for k, v in pos.items()}
def retrieve(pos):
    #form of dictionary to be retrieved
    return {float(k): v for k, v in pos.items()}

if 'nodes.txt' in os.listdir():
    json_file = open('pos.txt').read()
    pos = retrieve(json.loads(json_file)) #retrieving dictionary from file
    print('retrieve', pos)
else:
    with open('pos.txt', 'w') as outfile:
        pos = nx.spring_layout(new_G) #calculates pos
        print('store', pos)
        json.dump(store(pos), outfile, indent=4) #records pos dictionary into file

这是一个丑陋的解决方案，因为它无条件地依赖于pos字典中使用的数据类型。这对我来说很有效，但是您可能需要定义在store和retrieve中使用的自定义项

Answer 2

nx.draw方法默认使用spring_layout(link to the doc)。这个布局实现了Fruchterman-Reingold force-directed algorithm，它以随机初始位置开始。这就是您在重复试验中看到的布局效果

如果要“修复”位置，那么应该显式地调用spring_layout函数，并在pos参数中指定初始位置