前言
今天是我的可视化课程上线的第201天，目前学员402人，每篇原创公众号都会记录这个人数，用来督促和激励我的原创内容。目前课程的主要方向是 科研、统计、地理相关的学术性图形绘制方法，后续也会增加商务插图、机器学等、数据分析等方面的课程。
参与课程的你将获取到：学员答疑、可视化资源分享、可视化技巧补充、可视化业务代做(学员和甲方对接)、副业交流、提升认知等等。
今天给大家介绍Python语言中绘制网络结构图的可视化拓展工具-NetworkX包。NetworkX提供了丰富的数据结构和函数，使得用户能够轻松地构建、分析和可视化复杂网络。
pip install networkx
NetworkX 允许你创建不带权重或带权重的图，有向图或无向图。例如，创建一个简单的无向图：
import networkx as nx
# 创建一个无向图
G = nx.Graph()
G.add_nodes_from([1, 2, 3])
G.add_edges_from([(1, 2), (2, 3)])
NetworkX 提供了多种方法来可视化图结构。其中，networkx.draw() 函数是最基本的方法：
import matplotlib.pyplot as plt
# 可视化无向图
nx.draw(G, with_labels=True, node_color='skyblue', node_size=2000, font_size=20)
plt.show()
你可以自定义图的可视化，包括节点颜色、大小、标签等。例如，设置节点颜色、标签和边的样式：
# 自定义节点颜色和标签
node_color = ['red', 'green', 'blue']
labels = {1: 'Node 1', 2: 'Node 2', 3: 'Node 3'}
# 绘制自定义样式的图
nx.draw(G, with_labels=True, labels=labels, node_color=node_color, node_size=2000, font_size=20, font_color='white', edge_color='gray')
plt.show()
import networkx as nx
import matplotlib.pyplot as plt
G = nx.Graph()
G.add_edge(1, 2)
G.add_edge(1, 3)
G.add_edge(1, 5)
G.add_edge(2, 3)
G.add_edge(3, 4)
G.add_edge(4, 5)
# explicitly set positions
pos = {1: (0, 0), 2: (-1, 0.3), 3: (2, 0.17), 4: (4, 0.255), 5: (5, 0.03)}
options = {
'font_size': 36,
'node_size': 3000,
'node_color': 'white',
'edgecolors': 'black',
'linewidths': 5,
'width': 5,
}
nx.draw_networkx(G, pos, **options)
# Set margins for the axes so that nodes aren't clipped
ax = plt.gca()
ax.margins(0.20)
plt.axis('off')
plt.show()
import matplotlib.pyplot as plt
import networkx as nx
# A rainbow color mapping using matplotlib's tableau colors
node_dist_to_color = {
1: 'tab:red',
2: 'tab:orange',
3: 'tab:olive',
4: 'tab:green',
5: 'tab:blue',
6: 'tab:purple',
}
# Create a complete graph with an odd number of nodes
nnodes = 13
G = nx.complete_graph(nnodes)
# A graph with (2n + 1) nodes requires n colors for the edges
n = (nnodes - 1) // 2
ndist_iter = list(range(1, n + 1))
# Take advantage of circular symmetry in determining node distances
ndist_iter += ndist_iter[::-1]
def cycle(nlist, n):
return nlist[-n:] + nlist[:-n]
# Rotate nodes around the circle and assign colors for each edge based on
# node distance
nodes = list(G.nodes())
for i, nd in enumerate(ndist_iter):
for u, v in zip(nodes, cycle(nodes, i + 1)):
G[u][v]['color'] = node_dist_to_color[nd]
pos = nx.circular_layout(G)
# Create a figure with 1:1 aspect ratio to preserve the circle.
fig, ax = plt.subplots(figsize=(8, 8))
node_opts = {'node_size': 500, 'node_color': 'w', 'edgecolors': 'k', 'linewidths': 2.0}
nx.draw_networkx_nodes(G, pos, **node_opts)
nx.draw_networkx_labels(G, pos, font_size=14)
# Extract color from edge data
edge_colors = [edgedata['color'] for _, _, edgedata in G.edges(data=True)]
nx.draw_networkx_edges(G, pos, width=2.0, edge_color=edge_colors)
ax.set_axis_off()
fig.tight_layout()
plt.show()
import matplotlib.pyplot as plt
import networkx as nx
G = nx.balanced_tree(3, 5)
pos = nx.nx_agraph.graphviz_layout(G, prog='twopi', args='')
plt.figure(figsize=(8, 8))
nx.draw(G, pos, node_size=20, alpha=0.5, node_color='blue', with_labels=False)
plt.axis('equal')
plt.show()
其他案例如下：
更多关于NetworkX包的用法和案例可参考：NetworkX包官网[1]
另：本人编写的《科研论文配图绘制指南-基于Python》一书也在修正和新增内容中，也会增加更多关于NetworkX包绘制科研图形的案例。
如何快速的掌握科研绘图技巧？可以考虑以下几点：
学习基本工具和软件: 先熟悉常用的科研绘图工具和软件，例如Python或者R语言等，选择一款适合你的工具。
参考教程和指南: 在线教程、视频教程和指南是学习的好资源。
模仿和实践: 查看优秀的科研绘图范例，模仿它们的风格和技巧。同时，勤练手，多做练习，实践是提高技能的关键。
了解图表类型和用途: 了解不同类型的科研图表，例如折线图、柱状图、散点图等，以及它们在传达信息方面的优缺点。
注重细节和清晰性: 细节决定成败，确保图表的字体清晰、线条精细、标签明了，避免视觉混乱。
遵循学术规范: 遵循学术期刊或机构对图表的规定和要求，包括字体大小、图表标题、坐标轴标签等。
请教专家或同事: 有条件的同学可以跟随一个大佬进行系统学习，向他们寻求指导和建议，可以加速你的学习过程。
这里笔者建议，在资金允许的前提下，可以报名一个长期有效的可视化课程，别报名那种合集资料、没后期服务的课程。建议参加那种作者本人录制视频、有详细代码和数据、有后期服务、有观课平台(如果这个都没有，真的不建议大家购买，说的再好都不要购买)。如果课程持续更新的最好，最好课程本人有一定影响力(比如出书或者大V），那样自己的权益也会收到保障。感兴趣的读者可以看下我们自己的课程介绍，可视化系列课程推文。完美满足我说的那几个条件····
联系客服
