Python NetworkX 实现基于权重的可视化：区分实线与虚线

核心实现思路

在 NetworkX 中绘制加权图时，直接调用绘图函数往往无法直观体现权重差异。为了实现“根据权重大小划分实边和虚边”的效果，核心逻辑分为以下三步：

1. 输入边与权重：在构建图（Graph）时，为每条边指定具体的权重值（weight）。
2. 划分边集合：遍历所有边，根据预设的阈值将边分为两组：一组为高权重边（用于绘制实线），另一组为低权重边（用于绘制虚线）。
3. 差异化绘图：利用 matplotlib 的绘图接口，分别对两组边应用不同的样式（如宽度、透明度、线型）进行渲染。

代码实现步骤

1. 构建带权重的图

首先导入必要的库，并创建一个无向图对象。通过 add_edge 方法添加节点连接，并显式指定每个连接的权重值。权重数值的大小将作为后续划分实线和虚线的依据。

#coding:utf-8
#!/usr/bin/env python
"""
An example using Graph as a weighted network.
"""
__author__ = """Aric Hagberg (hagberg@lanl.gov)"""
try:
  import matplotlib.pyplot as plt
except:
  raise
 
import networkx as nx
 
G=nx.Graph()
#添加带权边
G.add_edge('a','b',weight=0.6)
G.add_edge('a','c',weight=0.2)
G.add_edge('c','d',weight=0.1)
G.add_edge('c','e',weight=0.7)
G.add_edge('c','f',weight=0.9)
G.add_edge('a','d',weight=0.3)

2. 按权重划分边集合

利用列表推导式遍历图的所有边（包含数据属性 data=True）。设定一个阈值（例如 0.5），将权重大于该值的边归入 elarge 列表，权重小于等于该值的边归入 esmall 列表。这一步是实现视觉区分的关键。

#按权重划分为重权值得边和轻权值的边
elarge=[(u,v) for (u,v,d) in G.edges(data=True) if d['weight'] >0.5]
esmall=[(u,v) for (u,v,d) in G.edges(data=True) if d['weight'] <=0.5]

3. 计算节点位置并绘图

使用 nx.spring_layout(G) 计算节点的布局位置，确保图形美观。接着，先绘制节点（draw_networkx_nodes），再分别绘制两组边：

• 高权重边（实线）：使用 nx.draw_networkx_edges，指定 edgelist=elarge，并设置较大的 width 以突出显示。
• 低权重边（虚线）：指定 edgelist=esmall，设置 width=6，同时添加 alpha=0.5 降低透明度，edge_color='b' 设置颜色，以及 style='dashed' 设置为虚线。

#节点位置
pos=nx.spring_layout(G) # positions for all nodes
#首先画出节点位置
# nodes
nx.draw_networkx_nodes(G,pos,node_size=700)
#根据权重，实线为权值大的边，虚线为权值小的边
# edges
nx.draw_networkx_edges(G,pos,edgelist=elarge,
          width=6)
nx.draw_networkx_edges(G,pos,edgelist=esmall,
          width=6,alpha=0.5,edge_color='b',style='dashed')

4. 添加标签与保存

最后，使用 nx.draw_networkx_labels 添加节点标签，关闭坐标轴显示，并将结果保存为 PNG 图片。

# labels标签定义
nx.draw_networkx_labels(G,pos,font_size=20,font_family='sans-serif')
 
plt.axis('off')
plt.savefig("weighted_graph.png") # save as png
plt.show() # display

总结

通过上述步骤，我们成功利用 NetworkX 和 Matplotlib 实现了基于权重的可视化。核心在于通过 Python 逻辑对边进行预处理和分类，再结合 Matplotlib 丰富的绘图参数（如 style, alpha, width）来呈现不同的视觉效果。这种方法不仅适用于简单的加权图，也可扩展至更复杂的网络分析场景中，帮助读者直观理解节点间连接的强弱关系。

以上就是 Python NetworkX 根据图的权重画图实现（区分实线与虚线）的详细内容，更多关于 Python 网络可视化的资料请关注本站其它相关文章！