1

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望的。例如，考虑这个输出：

在此处输入图像描述

从 开始delta，节点 1 与节点 6 和 7 位于同一点，并且远离节点 4。我在输出图中看不到 。此外，我超时运行它，它会导致另一个输出。这是意料之中的，但距离似乎没有得到尊重。例如，在下图中，1 到 6,7 和 4 之间的距离发生了变化。

在此处输入图像描述

我不明白为什么。

4

2 回答 2

1

您正在使用nx.random_layout，它将图形的顶点定位在从均匀分布中抽取的随机位置。还有其他布局，例如nx.spring_layout, aka nx.fruchterman_reingold_layout，它们试图定位顶点，使它们的距离接近给定的距离。

于 2016-03-31T17:48:33.327 回答
1

您可以使用稍微一致的布局，可能是 shell_layout() 或 circle_layout()。从技术上讲，在通用抽象图中，所描绘的位置没有真正的意义，并且每次您将这些函数中的每一个称为该事实的反映时，它们都会有一点差异。他们只是根据一些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，并利用您对数据的理解来产生更明智的可视化。这些函数生成一个字典，其键值在节点上，其值是长度为 2 的列表。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，一个办公室之间的网络连接图。

pos=nx.spring_layout(G)
print pos

可能会产生类似的东西

{'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 citites，因此在代表其物理位置的位置显示节点是有意义的，因此我构建了自己的字典（每个节点已经具有 'x' 和 'y' 的初始化属性）。

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

这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。

于 2016-04-27T09:24:18.747 回答