6

我正在使用来自 deap 符号回归示例问题的这段代码，并且图形显示正常，但我希望节点扩展为圆角矩形以自动适合文本。（我不想通过反复试验来指定节点大小）。我该怎么做？

# show tree
import matplotlib.pyplot as plt
import networkx

nodes, edges, labels = gp.graph(bests[0])
graph = networkx.Graph()
graph.add_nodes_from(nodes)
graph.add_edges_from(edges)
pos = networkx.graphviz_layout(graph, prog="dot")

plt.figure(figsize=(7,7))
networkx.draw_networkx_nodes(graph, pos, node_size=900, node_color="w")
networkx.draw_networkx_edges(graph, pos)
networkx.draw_networkx_labels(graph, pos, labels)
plt.axis("off")
plt.show()
4

4 回答 4

5

参数 node_size 接受标量和向量值。标量使所有节点大小相等，而向量可帮助您在列表中指定要用于每个节点的单个值。如果您的节点 ID 是字符串，那么以下策略效果很好。

networkx.draw_networkx_nodes只需根据每个节点 id 的长度将 size 参数更改为列表。适当地选择the_base_size。

networkx.draw_networkx_nodes(graph, pos, 
    node_size=[len(v) * the_base_size for v in graph.nodes()], 
    node_color="w")

您可以将其调整为您也可以处理标签的情况。

***但是，我不确定在根据标签大小从列表中选择节点大小时是否会保留一对一的对应关系。一定要分享你的结果。我个人将它用于字符串节点 ID，并且效果很好。

于 2015-09-05T23:50:23.650 回答
1

使用 matplotlib 和 networkx 没有一种简单的方法可以做到这一点（当然有足够的代码是可能的）。Graphviz 在标签方面做得非常出色，并且很容易从 networkx 编写点格式文件以使用 Graphviz 进行处理。
另请查看https://github.com/chebee7i/nxpd，它可能完全符合您的需要。

于 2015-01-10T17:20:15.973 回答
0

我最近偶然发现了这个问题。即使在 5 年后，也没有直接的方法可以做到这一点。然而，经过多次尝试和错误，我终于找到了明智的解决方法。您可以删除节点并仅使用具有背景颜色的标签。

pos = nx.spring_layout(graph) # Get positions of your nodes
nx.draw_networkx_nodes(graph, pos=pos, label=labels, bbox=dict(fc="r"))

这里的标签是以节点为键，节点名称为值的字典。

实现此目的的另一种微调方法，特别是当您想要调整每个标签的属性（如颜色、形状、背景等）时，最好使用plt.text().

pos = nx.spring_layout(graph) # Get positions of your nodes
for key in pos:
    x, y = pos[key]
    plt.text(x,y,key,fc="r", ha="center", va="center")
于 2020-07-16T09:08:58.217 回答
0

我喜欢@mathfux 的解决方案，因为它在有向图中正确定位了箭头。但它需要一些调整来解决提到的对应问题（位置和颜色列表按布局顺序排列，而不是节点顺序）；还可以处理列表的从零开始的索引。我还发现尺寸是按照平方定律工作的，而不是线性的。这是一个带有颜色的改进版本，使用 Kamada Kwai 而不是 Spring，因此布局不会每次都改变。

import pandas as pd
import matplotlib.pyplot as plt
import networkx as nx

G = nx.DiGraph()
G.add_edges_from([(0,1), (1, 1), (1, 7), (2, 1), (2, 2), (2, 3), 
                  (2, 6), (3, 5), (4, 3), (5, 4), (5, 8),
                  (5, 9), (6, 4), (7, 2), (7, 6), (8, 7)])
labelList="zero one twotwotwo three four five six seven eighteighteight nine".split(' ')

positions=nx.kamada_kawai_layout(G)
plt.figure(figsize =(9, 9))
nx.draw_networkx(G, 
                 node_color =['C{}'.format(i) for i in positions], 
                 pos=positions, 
                labels={idx: val for idx, val in enumerate(labelList)},
                node_size=[len(labelList[i])**2 * 60 for i in positions]
                )

生成的网络图

于 2021-04-08T07:37:19.470 回答