在绘制称重的网络x时保持缩放

Question

当我绘制一个称重的网络x时，它并没有真正代表距离的实际权重。我很好奇是否有任何我缺少的参数或其他一些问题。

所以，我首先制作了一个模拟数据集，如下所示

from pylab import plot,show
from numpy import vstack,array
from numpy.random import rand
from scipy.cluster.vq import kmeans,vq
from scipy.spatial.distance import euclidean
import networkx as nx
from scipy.spatial.distance import pdist, squareform, cdist


# data generation
data = vstack((rand(5,2) + array([12,12]),rand(5,2)))
a = pdist(data, 'euclidean')

def givexy(index1D, VectorLength):
    return [index1D%VectorLength, index1D/VectorLength]


import matplotlib.pyplot as plt
plt.plot(data[:,0], data[:,1], 'o')
plt.show()

然后，我计算所有对中的欧氏距离并使用距离作为权重

G = nx.empty_graph(1)       
for cnt, item in enumerate(a):
    print cnt
    G.add_edge(givexy(cnt, 10)[0], givexy(cnt, 10)[1], weight=item, length=0)


pos = nx.spring_layout(G)
nx.draw_networkx(G, pos)
edge_labels=dict([((u,v,),"%.2f" % d['weight'])
         for u,v,d in G.edges(data=True)])
nx.draw_networkx_edge_labels(G,pos,edge_labels=edge_labels)
#~ nx.draw(G,pos,edge_labels=edge_labels)

plt.show()
exit()

你可能会得到一个不同的情节 - 由于未知的原因，它是随机的。我的主要问题是节点的距离。例如，节点4到8之间的距离是0.82，但它看起来比节点7和0的距离长。

任何提示？ 谢谢，

Answer 1

弹簧布局没有明确使用权重作为距离。较高的重量边缘通常会产生较短的边缘。

虽然如果你想明确指定位置，你可以这样做：

from numpy import vstack,array
from numpy.random import rand
from scipy.spatial.distance import euclidean, pdist
import networkx as nx
import matplotlib.pyplot as plt

# data generation
data = vstack((rand(5,2) + array([12,12]),rand(5,2)))
a = pdist(data, 'euclidean')

def givexy(index1D, VectorLength):
    return [index1D%VectorLength, index1D/VectorLength]


plt.plot(data[:,0], data[:,1], 'o')

G = nx.Graph()
for cnt, item in enumerate(a):
    print cnt
    G.add_edge(givexy(cnt, 10)[0], givexy(cnt, 10)[1], weight=item, length=0)

pos={}
for node,row in enumerate(data):
    pos[node]=row
nx.draw_networkx(G, pos)
plt.savefig('drawing.png')