networkx 画图布局

networkx使用起来非常方便，常被用来做一些实例性的分析和可视化展示的，这需要学会如何灵活的画图。

一 整体画图

只需要一个图片，可以使用nx.draw()

二 精确画图

1 按照先节点、再标签、再连边的步骤，依次绘图。

pos=nx.spring_layout(G)                     # 生成节点位置信息 
plt.rcParams['figure.figsize']= (6, 4)      # 设置画布大小,600*400
nx.draw_networkx_nodes(G,pos)               # 画节点
nx.draw_networkx_edges(G,pos)               # 画边
nx.draw_networkx_labels(G,pos,labels)       # 画标签 

plt.axis('off')                             # 去掉坐标刻度  
# 保存并显示图片
plt.savefig("ARPA.png")
plt.show()

2 实际操作过程中，经常需要对节点位置进行布局

例如，进行聚类后，希望同类节点能画在一起
关键代码：pos=nx.spring_layout(G)

• 常用 pos 的取值有：

pos=nx.circular_layout(G)          # 生成圆形节点布局
pos=nx.random_layout(G)            # 生成随机节点布局
pos=nx.shell_layout(G)             # 生成同心圆节点布局
pos=nx.spring_layout(G)            # 利用Fruchterman-Reingold force-directed算法生成节点布局
pos=nx.spectral_layout(G)          # 利用图拉普拉斯特征向量生成节点布局
pos=nx.kamada_kawai_layout(G)      #使用Kamada-Kawai路径长度代价函数生成布局

• pos实际就是一个字典：

pos = {
'成长': [194.24502547929586, 190.35614988034322], 
'太宰': [170.46126328823433, 175.52941500430708], 
'人间': [193.3459273218009, 203.09119125315576], 
'问题': [154.79251002996543, 220.7467591325482], 
'失格': [116.28566995164307, 257.94930595020685], 
'前面': [31.5065328561581, 186.2037997097774], 
'时代': [104.27471121977163, 204.4882718198937]
}

可以对pos进行赋值，获得理想的节点布局。