【发布时间】:2013-05-13 19:42:57
【问题描述】:
NetworkX 主要用于图形分析,PyGraphviz 主要用于绘图,它们旨在协同工作。然而,至少在一个方面,NetworkX 的图形绘制(通过 MatPlotLib)优于 PyGraphviz 的图形绘制(通过 Graphviz),即 NetworkX 具有专门针对有向图的弹簧布局算法(可通过 spring_layout 函数访问),而 PyGraphviz有几种弹簧布局算法(可通过neato 程序和其他程序访问),它们将有向图布局为无向图。唯一真正处理图形方向的 Graphviz / PyGraphviz 布局程序是 dot,但 dot 创建分层布局,而不是强制导向布局。
下面是一个例子,展示了 NetworkX 和 PyGraphviz 在有向图的 spring 布局方面的区别:
import networkx as nx
import pygraphviz as pgv
import matplotlib.pyplot as ppt
edgelist = [(1,2),(1,9),(3,2),(3,9),(4,5),(4,6),(4,9),(5,9),(7,8),(7,9)]
nxd = nx.DiGraph()
nxu = nx.Graph()
gvd = pgv.AGraph(directed=True)
gvu = pgv.AGraph()
nxd.add_edges_from(edgelist)
nxu.add_edges_from(edgelist)
gvd.add_edges_from(edgelist)
gvu.add_edges_from(edgelist)
pos1 = nx.spring_layout(nxd)
nx.draw_networkx(nxd,pos1)
ppt.savefig('1_networkx_directed.png')
ppt.clf()
pos2 = nx.spring_layout(nxu)
nx.draw_networkx(nxu,pos2)
ppt.savefig('2_networkx_undirected.png')
ppt.clf()
gvd.layout(prog='neato')
gvd.draw('3_pygraphviz_directed.png')
gvu.layout(prog='neato')
gvu.draw('4_pygraphviz_undirected.png')
1_networkx_directed.png:(http://farm9.staticflickr.com/8516/8521343506_0c5d62e013.jpg)
2_networkx_undirected.png:(http://farm9.staticflickr.com/8246/8521343490_06ba1ec8e7.jpg)
3_pygraphviz_directed.png:(http://farm9.staticflickr.com/8365/8520231171_ef7784d983.jpg)
4_pygraphviz_undirected.png:(http://farm9.staticflickr.com/8093/8520231231_80c7eab443.jpg)
画出来的第三个和第四个图形基本相同,只是箭头部分(整个图形被旋转了,但除此之外没有区别)。然而,第一个和第二个图形的布局不同——不仅仅是因为 NetworkX 的布局算法引入了随机性元素。
重复运行上面的代码表明这不是偶然发生的。 NetworkX 的 spring_layout 函数显然是基于这样的假设编写的:如果从一个节点到另一个节点有弧线,则第二个节点应该比第一个节点更靠近图的中心(即,如果 edgelist 中描述的图是定向,节点 2 应该比节点 1 和 3 更接近节点 9,节点 6 应该比节点 4 更接近节点 9,节点 8 应该比节点 7 更接近节点 9;这并不总是有效正如我们从上图第一个图中的节点 4 和 5 中看到的那样完美,但与将 2 和 9 放在中心附近相比,这是一个小问题,而且从我的角度来看,“错误”非常轻微)。换句话说,NetworkX 的spring_layout 既是分层的又是强制导向的。
这是一个不错的功能,因为它使核心/外围结构在有向图中更加明显(根据您正在使用的假设,没有传入弧的节点可以被视为外围的一部分,即使它们有大量的输出弧)。 @skyebend 在下面解释了为什么大多数布局算法将有向图视为无向图,但上图显示 (a) NetworkX 以不同的方式处理它们,以及 (b) 它以有助于分析的原则方式这样做。
这可以使用 PyGraphviz / Graphviz 复制吗?
不幸的是,documentation 和 NetworkX 的 spring_layout(实际上是 fruchterman_reingold_layout)函数的注释 source code 没有提供任何关于 NetworkX 产生结果的线索。
这是使用 PyGraphviz 使用 NetworkX spring_layout 函数绘制网络的结果(请参阅下面我自己对这个问题的回答)。
5_pygraphviz_plus_networkx.png:
(http://farm9.staticflickr.com/8378/8520231183_e7dfe21ab4.jpg)
【问题讨论】:
标签: graph visualization graphviz networkx pygraphviz