Question

我有一个大的节点和有向边的图。此外，我还为每个节点分配了一个额外的值列表。

我现在想根据节点值更改每个节点的颜色。例如，绘制具有非常高的红色值的节点和具有低值蓝色的节点（类似于热图）。这在某种程度上很容易实现吗？如果没有使用networkx，我也可以使用Python开放其他库。

Answer 1

import networkx as nx
import numpy as np
import matplotlib.pyplot as plt

G = nx.Graph()
G.add_edges_from(
    [('A', 'B'), ('A', 'C'), ('D', 'B'), ('E', 'C'), ('E', 'F'),
     ('B', 'H'), ('B', 'G'), ('B', 'F'), ('C', 'G')])

val_map = {'A': 1.0,
           'D': 0.5714285714285714,
           'H': 0.0}

values = [val_map.get(node, 0.25) for node in G.nodes()]

nx.draw(G, cmap=plt.get_cmap('viridis'), node_color=values, with_labels=True, font_color='white')
plt.show()

的产率

values中的数字与G.nodes()中的节点相关联。也就是说，values中的第一个数字与G.nodes()中的第一个节点相关联，而第二个节点中的第一个数字相同，依此类推。

Answer 2

在一般情况下，我们有一个指示节点某些属性的值列表，我们想为给定的节点分配一种颜色，从而赋予该属性 scale （例如，从红色变为蓝色），这是一种方法：

import matplotlib as mpl
from matplotlib import pyplot as plt
from pylab import rcParams
import networkx as nx

G = nx.Graph()
G.add_edges_from([('A', 'D'), ('Z', 'D'), ('F', 'J'), ('A', 'E'), ('E', 'J'),('Z', 'K'), ('B', 'A'), ('B', 'D'), ('A', 'J'), ('Z', 'F'),('Z', 'D'), ('A', 'B'), ('J', 'D'), ('J', 'E'), ('Z', 'J'),('K', 'J'), ('B', 'F'), ('B', 'J'), ('A', 'Z'), ('Z', 'E'),('C', 'Z'), ('C', 'A')])

假设我们有以下字典将每个节点映射到给定值：

color_lookup = {k:v for v, k in enumerate(sorted(set(G.nodes())))}
# {'A': 0, 'B': 1, 'C': 2, 'D': 3, 'E': 4, 'F': 5, 'J': 6, 'K': 7, 'Z': 8}

我们可以做的是使用mpl.colors.Normalize根据节点取的最小值和最大值将color_lookup中的值归一化为[0,1]范围，然后使用{{3 }}将规范化的值映射到颜色图中的颜色，这里我将使用mpl.cm.coolwarm：

low, *_, high = sorted(color_lookup.values())
norm = mpl.colors.Normalize(vmin=low, vmax=high, clip=True)
mapper = mpl.cm.ScalarMappable(norm=norm, cmap=mpl.cm.coolwarm)

rcParams['figure.figsize'] = 12, 7
nx.draw(G, 
        nodelist=color_lookup,
        node_size=1000,
        node_color=[mapper.to_rgba(i) 
                    for i in color_lookup.values()], 
        with_labels=True)
plt.show()

matplotlib.cm.ScalarMappable

对于另一个颜色图，我们只需要更改cmap中的mpl.cm.ScalarMappable参数：

mapper = mpl.cm.ScalarMappable(norm=norm, cmap=mpl.cm.summer)
nx.draw(G, 
        nodelist=color_lookup,
        node_size=1000,
        node_color=[mapper.to_rgba(i) 
                    for i in color_lookup.values()], 
        with_labels=True)
plt.show()

我们将在哪里获得

类似地，我们可以通过定义将所有节点映射到其相应程度的字典并基于上述步骤来基于节点的来设置节点的颜色：

d = dict(G.degree)
# {'A': 6, 'D': 4, 'Z': 7, 'F': 3, 'J': 7, 'E': 3, 'K': 2, 'B': 4, 'C': 2}
low, *_, high = sorted(d.values())
norm = mpl.colors.Normalize(vmin=low, vmax=high, clip=True)
mapper = mpl.cm.ScalarMappable(norm=norm, cmap=mpl.cm.coolwarm)

nx.draw(G, 
        nodelist=d,
        node_size=1000,
        node_color=[mapper.to_rgba(i) 
                    for i in d.values()], 
        with_labels=True,
        font_color='white')
plt.show()

degree

根据节点值为networkx中的节点绘制不同的颜色

2 个答案: