Question

我设法正确地生成了图表，但是对于以下两个不同的代码行，有一些更多的测试指出了不一致的结果：

nx.draw_circular(h,edge_color=[h.edge[i][j]['color'] for (i,j) in h.edges_iter()], width=[h.edge[i][j]['width'] for (i,j) in h.edges_iter()])

nx.draw_circular(h,edge_color=list(nx.get_edge_attributes(h,'color').values()), width=list(nx.get_edge_attributes(h,'width').values()))

第一行产生一致的输出，而第二行产生每个边缘的错误颜色/大小。

然而，在我看来，上面两行都依赖于函数调用来返回每个边缘顺序的属性。为什么会有不同的结果？

使用h[][][]访问属性对我来说有点笨拙;是否可以通过点约定来访问它，例如edge.color for edge in h.edges()。

或者我错过了什么？

Answer 1

传递给绘图函数的边的顺序很重要。如果您未指定（使用edges关键字），您将获得G.edges（）的默认顺序。最明确地给出如下参数是最安全的：

import networkx as nx

G = nx.Graph()
G.add_edge(1,2,color='r',weight=2)
G.add_edge(2,3,color='b',weight=4)
G.add_edge(3,4,color='g',weight=6)

pos = nx.circular_layout(G)

edges = G.edges()
colors = [G[u][v]['color'] for u,v in edges]
weights = [G[u][v]['weight'] for u,v in edges]

nx.draw(G, pos, edges=edges, edge_color=colors, width=weights)

这会产生如下输出： enter image description here

Answer 2

字典是用于NetworkX图形的基础数据结构，从Python 3.7+开始，它们maintain insertion order。这意味着我们可以安全地使用nx.get_edge_attributes来检索边缘属性，因为可以确保每次运行Graph.edges()时都具有相同的边缘顺序（内部由get_edge_attributes调用）。

因此，在绘制时，我们可以根据edge_color返回的结果直接设置诸如width和get_edge_attributes之类的属性。这是一个示例：

G = nx.Graph()
G.add_edge(0,1,color='r',weight=2)
G.add_edge(1,2,color='g',weight=4)
G.add_edge(2,3,color='b',weight=6)
G.add_edge(3,4,color='y',weight=3)
G.add_edge(4,0,color='m',weight=1)

colors = nx.get_edge_attributes(G,'color').values()
weights = nx.get_edge_attributes(G,'weight').values()

pos = nx.circular_layout(G)
nx.draw(G, pos, 
        edge_color=colors, 
        width=list(weights),
        with_labels=True,
        node_color='lightgreen')

Answer 3

如果您想避免手动添加边缘颜色和 alphas/宽度，您可能还会发现此功能很有用：

def rgb_to_hex(rgb):
    return '#%02x%02x%02x' % rgb

adjacency_matrix = np.array([[0, 0, 0.5], [1, 0, 1], [1, 0.5, 0]]))
n_graphs = 5
fig, axs = plt.subplots(1, len(n_graphs), figsize=(19,2.5)) 

for graph in range(n_graphs):   

    pos = {0: (1, 0.9), 1: (0.9, 1), 2: (1.1, 1)} 

    # draw DAG graph from adjacency matrix 
    gr = nx.from_numpy_matrix(adjacency_matrix, create_using=nx.DiGraph)
    weights = nx.get_edge_attributes(gr, "weight")
  
    # adding nodes 
    all_rows = range(0, adjacency_matrix.shape[0])
    for n in all_rows:
        gr.add_node(n)
    
    # getting edges 
    edges = gr.edges()
      
    # weight and color of edges 
    scaling_factor = 4 # to emphasise differences 
    alphas = [weights[edge] * scaling_factor for edge in edges]
    colors = [rgb_to_hex(tuple(np.repeat(int(255 * (1- 
    weights[edge])),3))) for edge in edges]
    
    # draw graph 
    nx.draw(gr, 
            pos, 
            ax=axs[graph],
            edgecolors='black', 
            node_color='white', 
            node_size=2000, 
            labels={0: "A", 1: "B", 2: "C"},
            font_weight='bold',
            linewidths=2,
            with_labels=True,
            connectionstyle="arc3,rad=0.15",
            edge_color=colors,
            width=alphas)

  
plt.tight_layout()

networkx - 根据边缘属性更改颜色/宽度 - 结果不一致

3 个答案: