如何将存储在字典中的节点标签图例添加到 networkx 图中？答案

【问题标题】：How can I add a legend of node labels, stored in a dictionary, to a networkx plot?如何将存储在字典中的节点标签图例添加到 networkx 图中？
【发布时间】：2019-09-22 21:42:54
【问题描述】：

我正在使用 networkx 绘制一个简单的社交网络，并有一个节点标签字典，其中字典值是个人姓名。我知道如何用名称标记我的网络中的节点，但最终名称会很长并且网络会很大，因此各种传说将是合适的。图例将由行组成，每行的形式为节点编号，后跟个人姓名。

这是一个简单的例子：

import networkx as nx
import numpy as np

A = np.matrix([[0,1,1,0,0],[1,0,1,0,0],[1,1,0,1,1],[0,0,1,0,1],[0,0,1,1,0]])
labels_dict={0: 'Donald', 1: 'Pete', 2: 'Kamala', 3: 'Elizabeth', 4: 'Bernie'}

G = nx.from_numpy_matrix(A)
pos = nx.spring_layout(G)

nx.draw_networkx(G, pos, node_color='lightgray')
ax=plt
ax.axis('off')
fig = ax.gcf()
plt.show()

当然，这将简单地标记节点 1、2、3、4、5。

我希望图例出现在我的绘图右侧，看起来像下面这样：

唐纳德
皮特
卡玛拉
伊丽莎白
伯尼

【问题讨论】：

networkx 中没有执行此操作的功能。然而，networkx 只是调用 matplotlib 来制作它的图，所以你的问题真的归结为“我如何在 matplotlib 中使用以下项目创建自定义图例”。有一个指南可以帮助您入门here。
谢谢。我现在可以看到我需要做什么了。

标签： python matplotlib networkx

【解决方案1】：

我会建议以下，使用你上面的代码。

import networkx as nx
import numpy as np
import matplotlib.patches as patches
import matplotlib.pyplot as plt
from secrets import token_hex

A = np.matrix([[0, 1, 1, 0, 0], [1, 0, 1, 0, 0], [ 1, 1, 0, 1, 1], [0, 0, 1, 0, 1], [0, 0, 1, 1, 0]])
labels_dict = {0: 'Donald', 1: 'Pete', 2: 'Kamala', 3: 'Elizabeth', 4: 'Bernie'}
G = nx.from_numpy_matrix(A)

# plotting with the same colors for all node labels
handles_dict = {patches.Patch(color='white', label=f"{k}, {v}") for k,v in labels_dict.items()}
pos = nx.spring_layout(G)
nx.draw_networkx(G, pos, node_color='lightgray')
plt.legend(handles=handles_dict)
plt.show()

上面的代码会得到下面的情节

但是，如果您希望它采用不同的颜色，您可以这样做：

pos = nx.spring_layout(G)
# token_hex() generates random hex color/numbers
handles___ = {k: f"#{token_hex(4)}" for k in labels_dict.keys()}
handles___ = dict(sorted(handles___.items()))
handles_dict = {patches.Patch(color=k, label=v) for k, v in zip(handles___.values(), labels_dict.values())}
node_color = list(handles___.values())
nx.draw_networkx(G, pos, node_color=node_color)
plt.legend(handles=handles_dict)
plt.show()

这段代码将输出：

【讨论】：