我在这里只找到了与我想要的相似的东西:
Coloring networkx edges based on weight
不过,我似乎不能把这个应用到我的问题上。我有一个带加权边的图,但是权重不是唯一的(所以有15个权重为1的边)。我想根据它们的重量给边缘上色,重量越轻,颜色越浅。
我试图应用上述问题中建议的方法,但根据我的理解,这要求每个边上的权重是唯一的?
到目前为止,我已经按照不同边缘权重的升序生成了一个列表,并希望使用它来分类可能的边缘颜色。我尽量避免按权重绘制边,因为将来可能需要绘制一个非常大的图,边上的权重范围很大。
如果不清楚,请在评论中告诉我,我会给出更具体的信息。
谢谢!
编辑: 定义绘制图(目标): nlist=[target]+G.neighbors(目标) H=nx.子图(G,nlist) n=H.边数() 颜色=范围(n) labels,weights=颜色和边缘(H)
pos = nx.spring_layout(H)
nx.draw(H, pos, node_color='#A0CBE2',edge_color=colours, node_size=100, edge_cmap=plt.cm.Blues, width=0.5, with_labels=False)
nx.draw_networkx_edge_labels(H, pos, edge_labels=labels)
plt.savefig("Graphs/edge_colormap_%s.png" % target) # save as png
plt.show() # display
pass
def colour_and_label_edges(graph):
d={}
for (u,v) in graph.edges():
d[u,v]=graph[u][v]['weight']
temp=[]
for val in d.values():
if val not in temp:
temp.append(val)
weights = sorted(temp,key=int)
return d, weights
上面的代码是不完整的,但其思想是函数给我一个权重列表,如下所示:
[1,2,3,4,5,6,9,10,16,21,47,89,124,134,224]
然后我想用这个列表给每个权重分配一种颜色,权重越高颜色越暗。(在这个例子中,我使用了一个非常小的子图来表示数据集)。希望能澄清一点
可以使用边权重和颜色映射来绘制它们。你可能需要一个不同于下面的颜色图。
相关问题 更多 >
编程相关推荐