Question

我有以下距离矩阵：

delta =
[[ 0.          0.71370845  0.80903791  0.82955157  0.56964983  0.          0.        ]
 [ 0.71370845  0.          0.99583115  1.          0.79563006  0.71370845
   0.71370845]
 [ 0.80903791  0.99583115  0.          0.90029133  0.81180111  0.80903791
   0.80903791]
 [ 0.82955157  1.          0.90029133  0.          0.97468433  0.82955157
   0.82955157]
 [ 0.56964983  0.79563006  0.81180111  0.97468433  0.          0.56964983
   0.56964983]
 [ 0.          0.71370845  0.80903791  0.82955157  0.56964983  0.          0.        ]
 [ 0.          0.71370845  0.80903791  0.82955157  0.56964983  0.          0.        ]]

我正在尝试使用networkx库将其表示为图形。这是我的代码：

import networkx as nx

G = nx.from_numpy_matrix(delta) 
pos = nx.random_layout(G) 

plt.figure(figsize=(7, 7))
for k, p in pos.iteritems():
    plt.scatter(p[0], p[1], marker='o', c=colors[k], s=50, edgecolor='None')
lgd = plt.legend(markers, labels, numpoints=1, bbox_to_anchor=(1.17, 0.5))
plt.tight_layout()
plt.axis('equal')
pt.show()

然而，我所看到的并不是我所期待的。例如，考虑这个输出：

从delta开始，节点1与节点6和7位于同一点，远离节点4.我没有在输出图中看到。此外，加班我运行它，它导致另一个输出。这是预期的，但距离似乎不受尊重。例如，在下图中，1到6,7和4之间的距离发生了变化。

我无法理解为什么。

Answer 1

您正在使用nx.random_layout，它将图表的顶点定位在从均匀分布中绘制的随机位置。还有其他布局，例如nx.spring_layout，又称nx.fruchterman_reingold_layout，尝试定位顶点，使其距离接近给定距离。

Answer 2

您可以使用稍微更一致的布局，可能是shell_layout（）或circular_layout（）。从技术上讲，在一般的抽象图中，所描绘的位置没有实际意义，并且每次将这些函数称为对该事实的反映时，这些函数中的每一个都会有一点变化。它们只是根据某种预定义的模式以合理的方式放置节点。

如果你想要一致的位置，你必须自己做。

了解布局功能产生的结构，并使用您对数据的理解来产生更明智的可视化。这些函数生成一个键入节点的字典，其值为长度为2.第一个条目指定节点的x位置，第二个条目指定y。举个例子，办公室之间的网络连接图。

pos=nx.spring_layout(G)
print pos

可能会产生类似

的内容

{'A': [1, 12], 'C': [5, 8], 'B': [4, 11], 'E': [8, 3], 'D': [8, 7], 'F': [6, 1]}

但是，我知道，由于我的数据代表了citites，因此在表示其物理位置的位置显示节点是有意义的，所以我建立了自己的字典（每个节点都有一个初始化属性'x'和'Y'）。

pos = {}
for node in G.nodes():
    pos[node] = [G.node[node]["x"], G.node[node]["y"]]

每次都以相同的方式显示节点。根据您的矩阵以类似的方式创建您自己的 pos 字典。

使用networkx从距离矩阵生成图：不一致 - Python

2 个答案: