Matplotlib 根据权重给 networkx 边着色

在本文中，我们将介绍如何使用 Matplotlib 和 networkx 库，将图形中的边根据其权重进行着色。

阅读更多：Matplotlib 教程

背景

Networkx 是一个 Python 库，用于创建、操作和研究复杂网络结构，比如社交网络，物流网络，交通网络和电力网络等。在这些网络中，边通常代表一些关系或联系，每个边都有一个权重属性，通常代表了边的强度或重要性。

通常情况下，绘制网络图并对边进行着色是一个常用的可视化手段，可以帮助我们快速识别不同边的特征。其中，边的颜色可以反映其权重属性，颜色越深表示权重越高。在 networkx 图形库中，可以使用 Matplotlib 绘制网络图，并按权重对边进行着色。

实现方法

在下面的代码片段中，我们将使用 python 和networkx以及 matplotlib 库来创建一个简单的图形，该图形包含了一些带有权重的边，然后我们将演示如何根据权重进行着色。

import networkx as nx
import matplotlib.pyplot as plt 

# 生成一个带权有向图
G = nx.DiGraph()
G.add_weighted_edges_from([(1,2,0.5), (2,3,1.0), (3,1,2.2), (3,4,0.3)])

# 绘制网络图
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=[d['weight'] for _, _, d in G.edges(data=True)], width=2, edge_cmap=plt.cm.Blues)

# 绘制权重条
sm = plt.cm.ScalarMappable(cmap=plt.cm.Blues, norm=plt.Normalize(vmin=0, vmax=2))
sm._A = []
plt.colorbar(sm)

# 显示网络图
plt.show()

这段代码首先创建了一个有向图 G，并添加了带有权重的边。然后它使用了 nx.spring_layout(layout) 函数布置了一个力导向图的布局，这个布局是为了美观和可视。

紧接着，我们使用 nx.draw_networkx_nodes(G, pos) 函数将节点在图形上表示为小圆圈，并使用 nx.draw_networkx_labels(G, pos) 函数添加节点标签。

最后，我们使用 nx.draw_networkx_edges(G, pos) 函数绘制边。该函数的最后一个参数 edge_color 指定边的颜色，我们将其设置为每条边的权重值。而 colorbar 函数用于实现权重等级和颜色的对应关系线性标度条。

我们可以看到边的颜色深浅反映了它们的权重，深色表示较重的权重，浅色表示较轻的权重。

总结

在本文中，我们介绍了如何使用 Matplotlib 和 networkx 库，实现连线权重和边颜色之间的对应关系，以及如何绘制如计算机网络、社交网络等结构的带权网络图并按权重对边进行着色。希望这篇简短的教程对正在学习数据可视化和 networkx 库的人们有所帮助。