如何以组织结构图方式绘制有向图？
How to draw a DiGraph in a Org Chart fashion?
发表声明：
虽然我设法通过 Matplotlib 从 Networkx DiGraph 中获取图表，但我希望我能获得更好的设置或被告知更合适的库以更 'readable' 的方式绘制它。
正如您将在下面看到的，图表非常倾斜，边缘彼此之间的区别不大。这需要更正。
原样：
边缘列表和当前图表是用nx.kamada_kawai_layout和plt.show
绘制的
边列表：
[('D', 'N', {'fam': 2, 'weight': 3}), ('D', 'I', {'fam': 2, 'weight': 3}), ('D', 'E', {'fam': 2, 'weight': 1}), ('I', 'J', {'fam': 2, 'weight': 2}), ('L', 'M', {'fam': 2, 'weight': 2}), ('G', 'H', {'fam': 2, 'weight': 2}), ('H', 'C', {'fam': 2, 'weight': 1}), ('C', 'D', {'fam': 2, 'weight': 2}), ('C', 'K', {'fam': 2, 'weight': 1}), ('B', 'C', {'fam': 2, 'weight': 2}), ('A', 'B', {'fam': 2, 'weight': 2}), ('K', 'L', {'fam': 2, 'weight': 2}), ('E', 'F', {'fam': 2, 'weight': 2})]
节点列表：
[('D', {'fam': 2, 'leaf': 'no', 'root': 'no'}), ('N', {'fam': 2, 'leaf': 'yes', 'root': 'no'}), ('I', {'fam': 2, 'leaf': 'no', 'root': 'no'}), ('L', {'fam': 2, 'leaf': 'no', 'root': 'no'}), ('M', {'fam': 2, 'leaf': 'yes', 'root': 'no'}), ('J', {'fam': 2, 'leaf': 'yes', 'root': 'no'}), ('G', {'fam': 2, 'leaf': 'no', 'root': 'yes'}), ('H', {'fam': 2, 'leaf': 'no', 'root': 'no'}), ('C', {'fam': 2, 'leaf': 'no', 'root': 'no'}), ('B', {'fam': 2, 'leaf': 'no', 'root': 'no'}), ('A', {'fam': 2, 'leaf': 'no', 'root': 'yes'}), ('K', {'fam': 2, 'leaf': 'no', 'root': 'no'}), ('E', {'fam': 2, 'leaf': 'no', 'root': 'no'}), ('F', {'fam': 2, 'leaf': 'yes', 'root': 'no'})]
图表:
绘制图表的当前代码：
elarge = [(u, v) for (u, v, d) in g.edges(data=True) if d['weight'] == 3 ]
enormal = [(u, v) for (u, v, d) in g.edges(data=True) if d['weight'] == 2 ]
esmall = [(u, v) for (u, v, d) in g.edges(data=True) if d['weight'] == 1 ]
nleaf = [(u) for (u, d) in g.nodes(data=True) if d['leaf'] == 'yes' ]
nroot = [(u) for (u, d) in g.nodes(data=True) if d['root'] == 'yes' ]
edge_labels=dict([((u,v,),d['weight']) for u,v,d in g.edges(data=True)])
pos = nx.kamada_kawai_layout(g)
# nodes
nx.draw_networkx_nodes(g, pos, node_size=200)
nx.draw_networkx_nodes(g, pos, nodelist=nleaf, node_color='g', node_size=600)
nx.draw_networkx_nodes(g, pos, nodelist=nroot, node_color='y', node_size=600)
# edges
nx.draw_networkx_edges(g, pos, edgelist=elarge, width=2, alpha=0.8, edge_color='g', style='dotted')
nx.draw_networkx_edges(g, pos, edgelist=enormal, width=2, alpha=0.8, edge_color='b', style='dashed')
nx.draw_networkx_edges(g, pos, edgelist=esmall, width=2, alpha=0.8, edge_color='b', style='solid')
# labels
nx.draw_networkx_edge_labels(g,pos,edge_labels=edge_labels)
nx.draw_networkx_labels(g, pos, font_size=10, font_family='sans-serif')
plt.axis('off')
N = 2
params = plt.gcf()
plSize = params.get_size_inches()
params.set_size_inches( (plSize[0]*N, plSize[1]*N) )
plt.show()
未来
在方向上，我想得到类似下面的东西。
注：
- 重要的是整体形状，而不是颜色
- chart/layout 设置不仅适用于上面提供的示例，而且适用于 'reasonable' 大小的任何有向图（即 ~20edges）
非常感谢您的时间和反馈！
您应该使用 graphviz layout 进行正确的图形可视化。替换这行代码：
pos = nx.kamada_kawai_layout(g)
有了这个：
pos = nx.nx_agraph.graphviz_layout(g, prog='dot')
它使用来自 graphviz 的 DOT 引擎，这对于有向图，尤其是 DAG 和树来说非常棒。请注意，您需要在计算机上安装 Graphviz 才能使用此功能。
我用这个修改了你的 draw 代码（只影响 colors/sizes）：
# nodes
nx.draw_networkx_nodes(g, pos, node_size=500, node_color='#AAAAAA')
nx.draw_networkx_nodes(g, pos, nodelist=nleaf, node_color='#00BB00', node_size=800)
nx.draw_networkx_nodes(g, pos, nodelist=nroot, node_color='#9999FF', node_size=800)
# edges
nx.draw_networkx_edges(g, pos, edgelist=elarge, width=2, alpha=0.8, edge_color='g', style='dotted')
nx.draw_networkx_edges(g, pos, edgelist=enormal, width=2, alpha=0.8, edge_color='b', style='dashed')
nx.draw_networkx_edges(g, pos, edgelist=esmall, width=2, alpha=0.8, edge_color='b', style='solid')
# labels
nx.draw_networkx_edge_labels(g,pos,edge_labels=edge_labels)
nx.draw_networkx_labels(g, pos, font_size=14, font_color='w', font_family='sans-serif')
并绘制了下图：
发表声明：
虽然我设法通过 Matplotlib 从 Networkx DiGraph 中获取图表，但我希望我能获得更好的设置或被告知更合适的库以更 'readable' 的方式绘制它。
正如您将在下面看到的，图表非常倾斜，边缘彼此之间的区别不大。这需要更正。
原样：
边缘列表和当前图表是用nx.kamada_kawai_layout和plt.show
绘制的边列表：
[('D', 'N', {'fam': 2, 'weight': 3}), ('D', 'I', {'fam': 2, 'weight': 3}), ('D', 'E', {'fam': 2, 'weight': 1}), ('I', 'J', {'fam': 2, 'weight': 2}), ('L', 'M', {'fam': 2, 'weight': 2}), ('G', 'H', {'fam': 2, 'weight': 2}), ('H', 'C', {'fam': 2, 'weight': 1}), ('C', 'D', {'fam': 2, 'weight': 2}), ('C', 'K', {'fam': 2, 'weight': 1}), ('B', 'C', {'fam': 2, 'weight': 2}), ('A', 'B', {'fam': 2, 'weight': 2}), ('K', 'L', {'fam': 2, 'weight': 2}), ('E', 'F', {'fam': 2, 'weight': 2})]
节点列表：
[('D', {'fam': 2, 'leaf': 'no', 'root': 'no'}), ('N', {'fam': 2, 'leaf': 'yes', 'root': 'no'}), ('I', {'fam': 2, 'leaf': 'no', 'root': 'no'}), ('L', {'fam': 2, 'leaf': 'no', 'root': 'no'}), ('M', {'fam': 2, 'leaf': 'yes', 'root': 'no'}), ('J', {'fam': 2, 'leaf': 'yes', 'root': 'no'}), ('G', {'fam': 2, 'leaf': 'no', 'root': 'yes'}), ('H', {'fam': 2, 'leaf': 'no', 'root': 'no'}), ('C', {'fam': 2, 'leaf': 'no', 'root': 'no'}), ('B', {'fam': 2, 'leaf': 'no', 'root': 'no'}), ('A', {'fam': 2, 'leaf': 'no', 'root': 'yes'}), ('K', {'fam': 2, 'leaf': 'no', 'root': 'no'}), ('E', {'fam': 2, 'leaf': 'no', 'root': 'no'}), ('F', {'fam': 2, 'leaf': 'yes', 'root': 'no'})]
图表:
绘制图表的当前代码：
elarge = [(u, v) for (u, v, d) in g.edges(data=True) if d['weight'] == 3 ]
enormal = [(u, v) for (u, v, d) in g.edges(data=True) if d['weight'] == 2 ]
esmall = [(u, v) for (u, v, d) in g.edges(data=True) if d['weight'] == 1 ]
nleaf = [(u) for (u, d) in g.nodes(data=True) if d['leaf'] == 'yes' ]
nroot = [(u) for (u, d) in g.nodes(data=True) if d['root'] == 'yes' ]
edge_labels=dict([((u,v,),d['weight']) for u,v,d in g.edges(data=True)])
pos = nx.kamada_kawai_layout(g)
# nodes
nx.draw_networkx_nodes(g, pos, node_size=200)
nx.draw_networkx_nodes(g, pos, nodelist=nleaf, node_color='g', node_size=600)
nx.draw_networkx_nodes(g, pos, nodelist=nroot, node_color='y', node_size=600)
# edges
nx.draw_networkx_edges(g, pos, edgelist=elarge, width=2, alpha=0.8, edge_color='g', style='dotted')
nx.draw_networkx_edges(g, pos, edgelist=enormal, width=2, alpha=0.8, edge_color='b', style='dashed')
nx.draw_networkx_edges(g, pos, edgelist=esmall, width=2, alpha=0.8, edge_color='b', style='solid')
# labels
nx.draw_networkx_edge_labels(g,pos,edge_labels=edge_labels)
nx.draw_networkx_labels(g, pos, font_size=10, font_family='sans-serif')
plt.axis('off')
N = 2
params = plt.gcf()
plSize = params.get_size_inches()
params.set_size_inches( (plSize[0]*N, plSize[1]*N) )
plt.show()
未来
在方向上，我想得到类似下面的东西。
注：
- 重要的是整体形状，而不是颜色
- chart/layout 设置不仅适用于上面提供的示例，而且适用于 'reasonable' 大小的任何有向图（即 ~20edges）
非常感谢您的时间和反馈！
您应该使用 graphviz layout 进行正确的图形可视化。替换这行代码：
pos = nx.kamada_kawai_layout(g)
有了这个：
pos = nx.nx_agraph.graphviz_layout(g, prog='dot')
它使用来自 graphviz 的 DOT 引擎，这对于有向图，尤其是 DAG 和树来说非常棒。请注意，您需要在计算机上安装 Graphviz 才能使用此功能。
我用这个修改了你的 draw 代码（只影响 colors/sizes）：
# nodes
nx.draw_networkx_nodes(g, pos, node_size=500, node_color='#AAAAAA')
nx.draw_networkx_nodes(g, pos, nodelist=nleaf, node_color='#00BB00', node_size=800)
nx.draw_networkx_nodes(g, pos, nodelist=nroot, node_color='#9999FF', node_size=800)
# edges
nx.draw_networkx_edges(g, pos, edgelist=elarge, width=2, alpha=0.8, edge_color='g', style='dotted')
nx.draw_networkx_edges(g, pos, edgelist=enormal, width=2, alpha=0.8, edge_color='b', style='dashed')
nx.draw_networkx_edges(g, pos, edgelist=esmall, width=2, alpha=0.8, edge_color='b', style='solid')
# labels
nx.draw_networkx_edge_labels(g,pos,edge_labels=edge_labels)
nx.draw_networkx_labels(g, pos, font_size=14, font_color='w', font_family='sans-serif')
并绘制了下图：