Python NetworkX-为什么总是总是随机旋转图？

Question

如果我使用NetworkX和Matplotlib多次生成相同的图，则它会在每一代随机旋转：

运行1：

运行2：

在不更改脚本或输入数据的情况下，图形每次生成时都会随机旋转。是否可以指定方向？

由于图形变得更加密集（上面只是示例，但最终我将有成千上万个节点和边缘），如果移动了新添加的节点或边缘，则将很难看到它们，因为图形图片已旋转。

import networkx as nx
import matplotlib.pyplot as plt
from networkx.readwrite import json_graph
#
# The graph data is loaded from JSON
#
graph = json_graph.node_link_graph(input_json)
    pos = nx.spring_layout(graph)
    nx.draw(graph, pos, with_labels=True, node_size=300)
    edge_labels=dict([((u,v,),d['weight']) for u,v,d in graph.edges(data=True)])
    nx.draw_networkx_edge_labels(graph, pos, edge_labels=edge_labels)
    plt.savefig("test.png")

第二个不太重要的问题是，为什么从R1到R2和R1到R5的边线如此长？更新：我没有在JSON数据中设置“长度”属性来源。

Answer 1

从文档中

spring_layout(G, dim=2, k=None, pos=None, fixed=None, iterations=50, weight='weight', scale=1.0)

pos： dict或None可选（默认= None）

节点的初始位置作为字典，节点作为键，值作为列表或元组。如果为None，则使用随机的初始位置。

因此，如果您不指定节点的初始位置，则NetworkX会随机指定。

https://networkx.github.io/documentation/networkx-1.9/reference/generated/networkx.drawing.layout.spring_layout.html

Answer 2

我刚刚发现，您可以修复随机生成图的初始状态： 只需为生成器添加种子，即可始终生成相同的随机位置集。

random_pos = nx.random_layout(graph, seed=42)
pos = nx.spring_layout(graph, pos=random_pos)

Answer 3

该算法具有随机初始化-这对于网络布局而言是相当标准的。任何图形库都将遇到相同的问题。您可以通过以下两种方式在NetworkX中复制相同的布局：保存节点位置字典（例如，作为json）并在每次要可视化时重新加载它，或将种子传递给布局算法：

  

seed（int，RandomState实例或None可选（默认值= None））–设置确定性节点布局的随机状态。如果为int，则seed为随机数生成器使用的种子；如果为numpy.random.RandomState实例，则seed为随机数生成器；如果为None，则随机数生成器为numpy.random使用的RandomState实例。

希望有帮助！