如何在python中使用networkx绘制有向图？

我有一些来自脚本的节点，希望将其映射到图上。在下面，我想使用“箭头”从A到D，并可能将边缘也涂成红色（红色或其他颜色）。

基本上，这就像所有其他节点都存在时从A到D的路径一样。您可以想象每个节点都是城市，并且从A到D的行驶需要方向（带有箭头）。

下面的代码构建图表

import networkx as nx
import numpy as np
import matplotlib.pyplot as plt

G = nx.Graph()
G.add_edges_from(
    [('A', 'B'), ('A', 'C'), ('D', 'B'), ('E', 'C'), ('E', 'F'),
     ('B', 'H'), ('B', 'G'), ('B', 'F'), ('C', 'G')])

val_map = {'A': 1.0,
           'D': 0.5714285714285714,
           'H': 0.0}

values = [val_map.get(node, 0.25) for node in G.nodes()]

nx.draw(G, cmap = plt.get_cmap('jet'), node_color = values)
plt.show()

但我想要类似图片中所示的内容。

第一张图片的箭头和红色边缘在第二张图片上。

完全充实了带有红色边缘的箭头示例：

import networkx as nx
import matplotlib.pyplot as plt

G = nx.DiGraph()
G.add_edges_from(
    [('A', 'B'), ('A', 'C'), ('D', 'B'), ('E', 'C'), ('E', 'F'),
     ('B', 'H'), ('B', 'G'), ('B', 'F'), ('C', 'G')])

val_map = {'A': 1.0,
           'D': 0.5714285714285714,
           'H': 0.0}

values = [val_map.get(node, 0.25) for node in G.nodes()]

# Specify the edges you want here
red_edges = [('A', 'C'), ('E', 'C')]
edge_colours = ['black' if not edge in red_edges else 'red'
                for edge in G.edges()]
black_edges = [edge for edge in G.edges() if edge not in red_edges]

# Need to create a layout when doing
# separate calls to draw nodes and edges
pos = nx.spring_layout(G)
nx.draw_networkx_nodes(G, pos, cmap=plt.get_cmap('jet'), 
                       node_color = values, node_size = 500)
nx.draw_networkx_labels(G, pos)
nx.draw_networkx_edges(G, pos, edgelist=red_edges, edge_color='r', arrows=True)
nx.draw_networkx_edges(G, pos, edgelist=black_edges, arrows=False)
plt.show()

我仅出于完整性考虑。我从marius和mdml学到了很多东西。这是边缘权重。对不起，箭头。看来我并不是唯一无法解决的人。我无法使用ipython笔记本渲染此图像，我不得不直接从python着手，这是尽快获得边缘权重的问题。

import networkx as nx
import numpy as np
import matplotlib.pyplot as plt
import pylab

G = nx.DiGraph()

G.add_edges_from([('A', 'B'),('C','D'),('G','D')], weight=1)
G.add_edges_from([('D','A'),('D','E'),('B','D'),('D','E')], weight=2)
G.add_edges_from([('B','C'),('E','F')], weight=3)
G.add_edges_from([('C','F')], weight=4)


val_map = {'A': 1.0,
                   'D': 0.5714285714285714,
                              'H': 0.0}

values = [val_map.get(node, 0.45) for node in G.nodes()]
edge_labels=dict([((u,v,),d['weight'])
                 for u,v,d in G.edges(data=True)])
red_edges = [('C','D'),('D','A')]
edge_colors = ['black' if not edge in red_edges else 'red' for edge in G.edges()]

pos=nx.spring_layout(G)
nx.draw_networkx_edge_labels(G,pos,edge_labels=edge_labels)
nx.draw(G,pos, node_color = values, node_size=1500,edge_color=edge_colors,edge_cmap=plt.cm.Reds)
pylab.show()

您可能要使用常规的nx.draw来代替：

nx.draw_networkx(G[, pos, arrows, with_labels])

例如：

nx.draw_networkx(G, arrows=True, **options)

您可以通过初始化**变量来添加选项，如下所示：

options = {
    'node_color': 'blue',
    'node_size': 100,
    'width': 3,
    'arrowstyle': '-|>',
    'arrowsize': 12,
}

也有一些功能支持directed=True parameter 在这种情况下，此状态是默认状态：

G = nx.DiGraph(directed=True)

在这里可以找到networkx参考。

您需要使用有向图而不是图，即

G = nx.DiGraph()

然后，创建要使用的边缘颜色的列表，并将其传递给 nx.draw（如@Marius所示）。

放在一起，我得到下面的图像。仍然不是您显示的其他图片（我不知道您的边缘权重来自何处），而是更接近！如果您想更好地控制输出图形的外观（例如，获得箭头形状的箭头），请使用Graphviz来检查NetworkX。

import networkx as nx
import matplotlib.pyplot as plt

g = nx.DiGraph()
g.add_nodes_from([1,2,3,4,5])
g.add_edge(1,2)
g.add_edge(4,2)
g.add_edge(3,5)
g.add_edge(2,3)
g.add_edge(5,4)

nx.draw(g,with_labels=True)
plt.draw()
plt.show()

这只是简单的方法，即使用networkx使用python 3.x绘制有向图。只是简单的表示形式，可以进行修改和着色等。请参见此处生成的图形。

注意：这只是一个简单的表示。加权边可以像

g.add_edges_from([(1,2),(2,5)], weight=2)

因此再次绘制。

import networkx as nx
import matplotlib.pyplot as plt

G = nx.DiGraph()
G.add_node("A")
G.add_node("B")
G.add_node("C")
G.add_node("D")
G.add_node("E")
G.add_node("F")
G.add_node("G")
G.add_edge("A","B")
G.add_edge("B","C")
G.add_edge("C","E")
G.add_edge("C","F")
G.add_edge("D","E")
G.add_edge("F","G")

print(G.nodes())
print(G.edges())

pos = nx.spring_layout(G)

nx.draw_networkx_nodes(G, pos)
nx.draw_networkx_labels(G, pos)
nx.draw_networkx_edges(G, pos, edge_color='r', arrows = True)

plt.show()