Networkx 图和标签

Question

我在理解 networkx 库的工作原理和节点标签时遇到了一些问题。假设我在 pandas 数据框中有一个相关矩阵：

import pandas as pd
import networkx as nx
import matplotlib.pyplot as plt

D = pd.DataFrame\
({'A': [1, 0.5, 0.1], 'B': [0.5, 1, 0.3], 'C': [0.1, 0.3, 1]}, index =  ['A', 'B', 'C'])

我现在想绘制此相关矩阵的简单图形表示（在本例中为三角形），然后为更大的相关 matrices/distance 矩阵生成最小生成树。

corr_graph = nx.from_pandas_adjacency(D)
pos = nx.spring_layout(corr_graph)
nx.draw_networkx_nodes(corr_graph ,pos=pos, label = ['A', 'B', 'C'])
nx.draw_networkx_edges(corr_graph ,pos=pos)
nx.draw_networkx_edge_labels(corr_graph , pos=pos)
plt.axis('off')
plt.show()

这样就生成了图形，每条边上都有正确的标签。在节点上，我有自循环边 {'weight':1}，但节点本身没有标签，我希望将它们设置为 A、B 和 C，就像在我的初始数据框中一样，这样我就可以识别它们。我的另一个问题是如何去除自环边缘标签。

我想对最小生成树做同样的事情，但首先我只是想在简单图上做。

谢谢，

Answer 1

绘图节点标签

（内置函数）：

nx.draw_networkx_labels(corr_graph, pos=pos)

删除自循环：

方法一：

将对角线设置为零，然后创建图形：

# for example
E = D - np.eye(D.shape[0])
corr_graph = nx.from_pandas_adjacency(E)

方法二：

创建图形，并且只绘制源和目标不同的边。

corr_graph = nx.from_pandas_adjacency(D)
edges = [(a,b) for (a,b) in corr_graph.edges() if a != b]
nx.draw_networkx_edges(corr_graph, edgelist=edges, pos=pos)

Networkx 图和标签

Networkx graph and labels

python

pandas

networkx

minimum-spanning-tree

绘图节点标签

（内置函数）：

删除自循环：

方法一：

方法二：