Question

我分析了我的图并得到了特征向量中心点。（如下所示）

cit = nx.read_edgelist('Cit-HepTh.txt', create_using=nx.DiGraph(), nodetype=int)
(...compute centrality to a dict...)

现在，我要根据此命令绘制图形，其中不同的节点根据其中心性而具有不同的大小。
我看到了一个绘制不同颜色的示例（也许我认为有一种相似的方法可以绘制不同的大小

node_colours = []
for node in nodes:
    if node < 5:
        node_colours.append('blue')
    else:
        node_colours.append('green')
#draw graph, substitute the single colour with ur list of colours
nx.draw_spring(G, k=1, node_color = node_colours, 
               node_size = 200, font_size = 6, with_labels = True)

我正在尝试绘制一个包含27000+个节点的大图，但是为networkX绘制这样的图似乎很慢。所以我只想绘制前100位（最高eigenVector中心性）。您有任何示例或建议吗？

Answer 1

这些行上的内容（虽然有27k +节点，但又很快又很脏）：

通过以下方式获得每个节点的中心点之后：

 eigen_centrality = nx.eigenvector_centrality(G)
 all_nodes = [(node,eigen_centrality(node)) for node in eigen_centrality]

按中心度查找前100个节点：

top_100_nodes = [n for (n,c) in all_nodes if c in np.argsort(c)[-100:]]

然后，创建前100个节点的子图：

G1 = G.subgraph(top_100_nodes)

然后绘制图形：

top_100_centrality = nx.eigenvector_centrality(G1)
nx.draw_spring(G1, k =1, node_color = node_colours, \
               node_size = [top_100_centrality(n) for n in G1.nodes()], 
               font_size = 6, with_labels = True)

如何根据中心性绘制图形？

1 个答案: