如何在networkx图形中显示链接的状态？

Question

我正在使用networkx库创建一个图形，使用邻接列表作为输入文件。这些类型的列表只允许每行、源和目标（任意多个目标）有2个值

我正在筛选条目文件的创建，以仅添加上边缘

- before filtering :
OK node1 node10
OK node10 node99
KO node20 node99

- after filtering :
node1 node10
node10 node99

当我观看我的图表时，我看不到是否有一个节点从上一个节点消失了，因为我有很多节点

例如，是否可以解析“我的边”的状态并显示带有虚线的红色节点作为边

是否可以将我的图表与理论图表进行比较，并用不同的颜色显示缺失的链接

Answer 1

也许有更快的方法，但我的逻辑是：

G-最终图形（干净、少边）
T-理论图（原始，更多边）

首先计算理论图和最终图的边之间的差值：

diff = T.edges() - G.edges()

然后像您假装的那样，绘制此差异范围内的节点和边：

if e in diff:
    for n in e:
        if n not in G:
            res.add_node(n, color="red")
        else:
            res.add_node(n, color='#1f78b4') # default networkx color
    res.add_edge(*e, style=' ')

不在此差异范围内的节点和边将正常绘制：

else:
    res.add_node(e[0], color = '#1f78b4') # default networkx color
    res.add_node(e[1], color = '#1f78b4')
    res.add_edge(*e, style='-')

最后，找到节点的颜色和边的样式并绘制：

colors = [u[1] for u in res.nodes(data="color")]
styles = [res[u][v]['style'] for u,v in res.edges()]
nx.draw(res, with_labels =True, node_color = colors, style = styles)

完整代码

def draw_theorethical(G,T):
    diff = T.edges() - G.edges()
    # print("Extra Edges in T", diff, "\nExtra Nodes in T", T.nodes() - G.nodes())
    res = nx.Graph()
    for e in T.edges():
        if e in diff:
            for n in e:
                if n not in G:
                    res.add_node(n, color="red")
                else:
                    res.add_node(n, color='#1f78b4') # Node invisible... default networkx color
            res.add_edge(*e, style=' ')
        else:
            res.add_node(e[0], color = '#1f78b4')
            res.add_node(e[1], color = '#1f78b4')
            res.add_edge(*e, style='-')
    
    colors = [u[1] for u in res.nodes(data="color")]
    styles = [res[u][v]['style'] for u,v in res.edges()]

    nx.draw(res, with_labels =True, node_color = colors, style = styles)

示例：

对于两个图，G和T：

T = nx.Graph()
T.add_edge("A","B")
T.add_edge("A","C")
T.add_edge("B","D")
T.add_edge("B","F")
T.add_edge("C","E")


G = nx.Graph(T)
G.remove_edge("C","E")
G.remove_node("E")

draw_theorethical(G,T)

吸引：