绘制一个集团图
import networkx as nx
....
nx.draw(G, layout=nx.spring_layout(G))
生成以下图片：
显然，节点之间的间距（例如，边长）需要增加。我用谷歌搜索了这个并在这里找到了这个建议：
对于某些布局算法，有一个
scale参数可能会有所帮助。例如import networkx as nx G = nx.path_graph(4) pos = nx.spring_layout(G) # default to scale=1 nx.draw(G, pos) pos = nx.spring_layout(G, scale=2) # double distance between all nodes nx.draw(G, pos)
但是，该scale参数似乎没有任何作用。
获得更好绘图的正确方法是什么？
这个问题的解决方案在于 NetworkX 版本 1.8，它尚未发布，但可以通过 git hub 获得。
执行以下操作以增加节点之间的距离：
pos = nx.spring_layout(G, k=0.15, iterations=20)
# k controls the distance between the nodes and varies between 0 and 1
# iterations is the number of times simulated annealing is run
# default k=0.1 and iterations=50
调整这些参数以查看其工作原理。但尽管如此，不能保证所有节点都不重叠
您的问题的真正答案是您的原始图不是一个单一的、完全连接的组件。它是三个独立的图表。
正在发生的事情是这三个部分飞向无穷远，重新缩放后，每个组件看起来就像一个小斑点。
该算法指定了所有spring_layout节点之间的排斥力（反重力），以及仅连接节点之间的吸引力（“弹簧”）。
因此，如果图形没有连接，则各个部分将飞离排斥力，因为没有任何东西连接它们。有两个选项：更改力定律（编辑 networkx 代码），或单独绘制组件。
以下是如何添加将所有节点吸引到图表中心的力。将此代码段的最后一行添加到def _fruchterman_reingoldlayouts.py中：
# displacement "force"
displacement = np.einsum('ijk,ij->ik',
delta,
(k * k / distance**2 - A * distance / k))
# ADD THIS LINE - prevent things from flying off into infinity if not connected
displacement = displacement - pos / ( k * np.sqrt(nnodes))
这行代码允许您制作类似以下的图表：
而不是
然而，处理此问题的“最佳”方法是分别绘制组件图表。
您可以使用此处描述的功能迭代组件，将它们绘制在单独的图中。
有关更多讨论，请参阅此 github 问题。
我使用了 Kamada Kawai 布局的最佳距离参数，并将非连接组件之间的距离设置为图中的最大距离。可能有更好的方法来修改字典，但这很容易：
df = pd.DataFrame(index=G.nodes(), columns=G.nodes())
for row, data in nx.shortest_path_length(G):
for col, dist in data.items():
df.loc[row,col] = dist
df = df.fillna(df.max().max())
layout = nx.kamada_kawai_layout(G, dist=df.to_dict())