Python實(shí)現(xiàn)用networkx繪制MultiDiGraph
networkx繪制MultiDiGraph
美賽作圖需要,想表現(xiàn)兩個(gè)節(jié)點(diǎn)之間的雙向關(guān)系,但是網(wǎng)上關(guān)于MultiDiGraph的內(nèi)容很少,翻出去查了一下多向圖的畫(huà)法
記錄一下
import matplotlib.pyplot as plt import networkx as nx G = nx.MultiDiGraph() #中間過(guò)程略 nx.draw(G,pos,connectionstyle='arc3, rad = 0.2',width=[float(v['weight']) for (r,c,v) in G.edges(data=True)]) #connectionstyle='arc3, rad = 0.2'arc控制雙向,rad調(diào)線條弧度
最終效果↑
畫(huà)圖部分完整的代碼
```python G = nx.MultiDiGraph() row=np.array(['D1','D2','D3','D4','D5','F1','F2','F3','M1','M6','M3','M4','M5','G1']) G.add_nodes_from(['D1','D2','D3','D4','D5','F1','F2','F3','M1','M6','M3','M4','M5','G1']) value=np.array(count) for j in range(0,14): for i in range(0,14): if i!=j: G.add_weighted_edges_from([(row[j],row[i],value[14*j+i])])#邊的起點(diǎn),終點(diǎn),權(quán)重 else: pass node_sizes = [44,22,29,20,35,11,32,20,41,22,57,10,11,20] node_sizesnew=[] for i in node_sizes: i=i*20 node_sizesnew.append(i) pos={'D1':(37.29,77.42),'D2':(31.73,59.91),'D3':(40.47,27.53),'D4':(58.82,15.55),'D5':(46.29,89.65),'F1':(72,52),'F2':(61.64,45.73),'F3':(59.22,59.78),'G1':(11.64,49.73),'M1':(50.55,49.27),'M3':(46.56,56.18),'M4':(74.75,74.25),'M5':(58.25,46),'M6':(49.09,61.09)} nx.draw_networkx_nodes(G,pos,node_size=node_sizesnew,alpha=0.4) nx.draw_networkx_labels(G,pos,font_size=8,) nx.draw(G,pos,edge_color='lightseagreen',alpha=0.5,connectionstyle='arc3, rad = 0.2',width=[float(v['weight']) for (r,c,v) in G.edges(data=True)]) edge_labels=dict([((u,v,),d['weight']) for u,v,d in G.edges(data=True)]) plt.savefig("D:/MATCH52.png",dpi=200, bbox_inches='tight') show() print('finish')
總結(jié)
以上為個(gè)人經(jīng)驗(yàn),希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
- Python使用Networkx實(shí)現(xiàn)復(fù)雜的人物關(guān)系圖
- Python中的Networkx的基本使用
- Python中卷積神經(jīng)網(wǎng)絡(luò)(CNN)入門(mén)教程分分享
- Python?CNN卷積神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)教程深入講解
- python機(jī)器學(xué)習(xí)GCN圖卷積神經(jīng)網(wǎng)絡(luò)原理解析
- python人工智能tensorflow構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)CNN
- Python卷積神經(jīng)網(wǎng)絡(luò)圖片分類框架詳解分析
- python如何實(shí)現(xiàn)convolution neural network卷積神經(jīng)網(wǎng)絡(luò)算法
相關(guān)文章
Python異常對(duì)代碼運(yùn)行性能的影響實(shí)例解析
這篇文章主要介紹了Python異常對(duì)代碼運(yùn)行性能的影響實(shí)例解析,分享了相關(guān)代碼示例,小編覺(jué)得還是挺不錯(cuò)的,具有一定借鑒價(jià)值,需要的朋友可以參考下2018-02-02python Task在協(xié)程調(diào)用實(shí)例講解
在本篇文章里小編給大家整理了一篇關(guān)于python Task如何在協(xié)程調(diào)用的相關(guān)內(nèi)容,有興趣的朋友們可以參考下。2021-04-04修復(fù)Python縮進(jìn)錯(cuò)誤的方法實(shí)現(xiàn)
在Python中,縮進(jìn)是非常重要的,因?yàn)樗鼪Q定了代碼塊的層次結(jié)構(gòu),本文主要介紹了修復(fù)Python縮進(jìn)錯(cuò)誤的方法實(shí)現(xiàn),具有一定的參考價(jià)值,感興趣的可以了解一下2023-11-11Django使用unittest模塊進(jìn)行單元測(cè)試過(guò)程解析
這篇文章主要介紹了Django使用unittest模塊進(jìn)行單元測(cè)試過(guò)程解析,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-08-08解決使用Pandas 讀取超過(guò)65536行的Excel文件問(wèn)題
這篇文章主要介紹了解決使用Pandas 讀取超過(guò)65536行的Excel文件問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-11-11Python 中的 XML 轉(zhuǎn)換利器xml2dict詳解
xml2dict是一個(gè)Python庫(kù),可以將XML數(shù)據(jù)轉(zhuǎn)換為字典,也支持反向轉(zhuǎn)換,它簡(jiǎn)化了XML的處理,使之像處理JSON一樣簡(jiǎn)單,適用于Web服務(wù)數(shù)據(jù)交換、配置文件讀取等場(chǎng)景,安裝簡(jiǎn)單,使用方便,還可以通過(guò)自定義轉(zhuǎn)換器處理XML屬性和命名空間2024-10-10Python中DataFrame判斷兩列數(shù)據(jù)是否相等的方法
本文主要介紹了DataFrame判斷兩列數(shù)據(jù)是否相等的方法,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-04-04Python爬蟲(chóng)實(shí)現(xiàn)的根據(jù)分類爬取豆瓣電影信息功能示例
這篇文章主要介紹了Python爬蟲(chóng)實(shí)現(xiàn)的根據(jù)分類爬取豆瓣電影信息功能,結(jié)合完整實(shí)例形式分析了Python針對(duì)電影信息分類抓取的相關(guān)實(shí)現(xiàn)技巧,需要的朋友可以參考下2019-09-09