如何在networkx中绘制具有社区结构的小图

Question

图有大约100个节点，社区的数量从5到20不等。有什么方法可以绘制图，使同一个社区的节点彼此靠近？

我尝试为不同的社区分配不同的颜色，但这在我的应用程序中效果不佳。

我已经阅读了this 和this，但没有找到好的解决方案。

我正在使用 python 2.7.12 和 newtorkx-1.11

Answer 1

对于小图，我发现spring_layout 非常适合绘图社区。如果您需要突出显示节点（及其社区），我建议您：

• 为不同的社区选择不同的颜色（颜色越多 颜色在视觉上有所不同，效果更好），

• 增加节点大小和

• 使边缘变浅灰色（这样图形看起来不那么 杂乱，节点在视觉上更加突出）。

如果您选择spring_layout，您还可以使用k 参数（文档指出：增加此值以将节点移得更远）。请注意，spring_layout 可以在每次运行代码时给出不同的图像（这样您可以多次运行代码并仅在对结果满意时才保存图像）。

在以下示例中，我使用默认图表 (nx.karate_club_graph)，在该图表中，我使用 python-louvain 包（导入为 community）自动检测社区。节点大小由nx.draw_networkx_nodes 中的node_size 参数定义。节点颜色取决于它们所属的社区——我使用plt.cm.RdYlBu 颜色映射（查看更多颜色映射here）。请注意，您还可以通过在plt.figure 中使用figsize 定义更大或更小的图像来影响节点大小（和边缘长度）。

import networkx as nx
import community
import matplotlib.pyplot as plt

G = nx.karate_club_graph()  # load a default graph

partition = community.best_partition(G)  # compute communities

pos = nx.spring_layout(G)  # compute graph layout
plt.figure(figsize=(8, 8))  # image is 8 x 8 inches
plt.axis('off')
nx.draw_networkx_nodes(G, pos, node_size=600, cmap=plt.cm.RdYlBu, node_color=list(partition.values()))
nx.draw_networkx_edges(G, pos, alpha=0.3)
plt.show(G)

输出（我多次运行代码并选择了“最漂亮”的图像）：

但是，如果您有一个更大的图表，但社区不太明显呢？这是一个更复杂的图，它有 100 个节点和 100 个随机边（因此也是随机社区），但使用相同的绘图方法：

import networkx as nx
import community
import matplotlib.pyplot as plt
import random

H = nx.Graph()

nodes = list(range(100))  # 100 nodes

# add 100 random edges
for i in range(100):
    src = random.choice(nodes)
    dest = random.choice(nodes)
    # we don't want src to be the same as dest
    while src == dest:
        dest = random.choice(nodes)

    H.add_edge(src, dest)

partition = community.best_partition(H)  # compute communities

pos = nx.spring_layout(H)  # compute graph layout
plt.figure(figsize=(10, 10))
plt.axis('off')
nx.draw_networkx_nodes(H, pos, node_size=600, cmap=plt.cm.RdYlBu, node_color=list(partition.values()))
nx.draw_networkx_edges(H, pos, alpha=0.3)
plt.show(H)

输出：

我们在上图中没有看到明确的社区。在这里你至少有三个选择：

• 手动定义图形布局（节点坐标/位置） (pos 在我的代码中），

• 尝试不同的布局（找到here）和

• 为每个社区（或至少最重要的 社区）。

如果您选择第三个选项，您可以让一个突出显示的社区的节点大于其他节点（当然颜色不同）。您还可以更改该社区中边缘的颜色和粗细（以下示例中未显示）。

node_size = []

# first community against the others
for node, community in partition.items():
    if community == 1:
        node_size.append(900)
    else:
        partition[node] = 0  # I put all the other communities in one communitiy
        node_size.append(300)

plt.figure(figsize=(10, 10))
plt.axis('off')
nodes = nx.draw_networkx_nodes(H, pos, node_size=node_size, cmap=plt.cm.winter, node_color=list(partition.values()))
nx.draw_networkx_edges(H, pos, alpha=0.3)
plt.show(H)

输出（仅突出显示第一个社区）：

如果同一个图表有多个图像，我建议节点在所有图像中具有相同的位置（您需要在绘图之间具有相同的pos）。这样图像更具可比性。