引入必要的库

在Python中绘制节点图，首先需要引入图库matplotlib和网络图库networkx。在Python中，matplotlib是一个常见的图库，networkx专注于复杂网络的创建、操作和研究。

 import matplotlib.pyplot as plt import networkx as nx

创建和添加节点

先创建一个Graph对象，然后使用add_node方法添加单个节点，或使用add_nodes添加节点列表的from方法。

 # 创建一个空图 G = nx.Graph() # 添加节点 G.add_node(1) # 添加多个节点 G.add_nodes_from([2, 3, 4, 5])

创建和添加边缘

类似于节点，可以通过add_edge的方法在两个节点之间添加单边，也可以使用add_edge。edges添加多条边的from方法。

 # 添加一条边 G.add_edge(1, 2) # 添加多条边 G.add_edges_from([(1, 3), (1, 4), (2, 5), (3, 5)])

绘制图

使用networkx提供的draw方法绘制图形，并使用matplotlib显示。在draw方法中，可以调节节点的颜色、大小、边宽等多个参数。

 # 绘制图形 nx.draw(G, with_labels=True, node_color='skyblue', node_size=500, edge_color='black') # 显示图形 plt.show()

调整节点和边缘属性

将不同的属性设置在图形中的节点和边缘，如颜色、形状、大小、标签等，以增强图形的表现力和信息传递。

 # 设定节点的属性 colors = ['red', 'green', 'blue', 'cyan', 'magenta'] sizes = [600, 700, 800, 900, 1000] # 绘制时指定节点的颜色和大小 nx.draw(G, with_labels=True, node_color=colors, node_size=sizes) # 显示图形 plt.show()

自定义布局

networkx提供了spring__等多种布局算法layout(弹簧布局)，circular_layout(圆形布局)等，以满足不同节点的排列要求。

 # 采用圆形布局 pos = nx.circular_layout(G) nx.draw(G, pos, with_labels=True, node_size=700, node_color='lightgreen') # 显示图形 plt.show()

保存图像

绘制完成后，可将图像保存到文件中，matplotlib提供savefig函数，支持多种文件格式。

 # 绘制图形 nx.draw(G, with_labels=True, node_color='skyblue', node_size=500) # 保存图像 plt.savefig('node_graph.png')

图表有方向

在绘制有向图时，除了类似于无向图的步骤外，还需要创建DiGraph对象而不是Graph对象。

 # 创建一个空的有向图 DG = nx.DiGraph() # 增加节点和边缘 DG.add_nodes_from([1, 2, 3, 4, 5]) DG.add_edges_from([(1, 2), (2, 3), (3, 4), (4, 5), (1, 5)]) # 绘制有向图 nx.draw(DG, with_labels=True, node_size=500, node_color='orange') # 显示图形 plt.show()

加权图

网络中的边缘可以有权重，在绘制加权网络图时，可以使用nx.draw_networkx_edge_labels绘制边缘的权重值。

 # 创建加权图 WG = nx.Graph() # 增加有权重的边缘 WG.add_weighted_edges_from([(1, 2, 4.7), (2, 3, 3.1), (3, 4, 5.6), (4, 1, 2.2)]) # 使用spring布局布局 pos = nx.spring_layout(WG) # 绘制图形 nx.draw(WG, pos, with_labels=True, edge_color='blue', width=2, node_color='yellow') # 画边的权重 edge_labels = nx.get_edge_attributes(WG, 'weight') nx.draw_networkx_edge_labels(WG, pos, edge_labels=edge_labels) # 显示图形 plt.show()

多图视图合并

有时候需要在同一个视图中绘制多个图片。可以使用matplotlibsubplot进行分区绘制。

 # 第一张图片的布局 plt.subplot(121) nx.draw(G, with_labels=True, node_color='skyblue', node_size=600) # 第二张图片的布局 plt.subplot(122) nx.draw(DG, with_labels=True, node_size=600, node_color='violet') # 显示图形 plt.show()

通过使用Pythonnetworkx库和matplotlib，可以创建和定制各种节点图，实现复杂的网络结构可视化，有效地传达信息。