45

我有一个大的节点图和有向边。此外,我还有一个分配给每个节点的附加值列表。

我现在想根据节点值更改每个节点的颜色。例如,绘制具有非常高值红色的节点和具有低值蓝色的节点(类似于热图)。这是否很容易实现?如果没有 networkx,我也对 Python 中的其他库开放。

4

2 回答 2

72
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()

产量 在此处输入图像描述


中的数字values与 中的节点相关联G.nodes()。也就是说, 中的第一个数字values与 中的第一个节点相关联,第二个节点G.nodes()也是如此,依此类推。

于 2012-11-22T17:57:32.510 回答
8

对于一般情况,我们有一个指示节点的某些属性的值列表,并且我们想为给定节点分配一种颜色,以给出该属性的比例感(例如红色到蓝色),这是一个方法:

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}

我们可以做的是根据节点采用的最小值和最大值mpl.colors.Normalize将值标准化color_lookup到范围内[0,1],然后matplotlib.cm.ScalarMappable将标准化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()

在此处输入图像描述

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

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()

我们会得到:

在此处输入图像描述

类似地,我们可以degree通过定义一个将所有节点映射到其对应度数的字典来根据节点的颜色设置节点的颜色,并采取与上述相同的步骤:

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()

在此处输入图像描述

于 2020-04-01T21:43:15.207 回答