如何在网络中绘制具有社区结构的小图

Question

这个图大约有100个节点，社区的数量从5到20个不等。有没有办法绘制这个图，使同一社区的节点彼此接近？

我试图为不同的社区分配不同的颜色，但这在我的应用程序中并不有效。

我读过这和这，但没有找到一个好的解决方案。

我使用python 2.7.12和newtorkx-1.11

Answer 1

对于小图，我发现spring_layout很适合绘制社区。如果您需要突出显示节点(及其社区)，我建议您：

• 为不同的社区选择不同的颜色(颜色差异越大，效果越好)，
• 增加节点的大小
• 使边缘变成较浅的灰色(这样，图看起来就不那么杂乱了，节点的视觉效果也更加突出)。

如果选择spring_layout，您还可以使用k参数(文档声明:增加此值以将节点移动到更远的位置)。请注意，每次运行代码时，spring_layout都可以提供不同的映像(这样，您可以多次运行代码，并且只有当您满意结果时才保存映像)。

在下面的示例中，我使用了一个默认图形(nx.karate_club_graph)，在该图中，我使用python-louvain包(导入为community)自动检测社区。节点大小是用node_size参数在nx.draw_networkx_nodes中定义的。节点颜色取决于它们所属的社区--我使用plt.cm.RdYlBu颜色映射(参见更多的颜色映射这里)。请注意，还可以通过在figsize中使用plt.figure定义更大或更小的图像来影响节点大小(和边缘长度)。

import networkx as nx
import community
import matplotlib.pyplot as plt

G = nx.karate_club_graph()  # load a default graph

partition = community.best_partition(G)  # compute communities

pos = nx.spring_layout(G)  # compute graph layout
plt.figure(figsize=(8, 8))  # image is 8 x 8 inches
plt.axis('off')
nx.draw_networkx_nodes(G, pos, node_size=600, cmap=plt.cm.RdYlBu, node_color=list(partition.values()))
nx.draw_networkx_edges(G, pos, alpha=0.3)
plt.show(G)

输出(我多次运行代码并选择了“最漂亮”的图像)：

​

​

但是，如果你有一个更大的图，没有那么明显的社区呢？下面是一个更复杂的图，它有100个节点和100个随机边(因此也是随机社区)，但是使用相同的绘图方法：

import networkx as nx
import community
import matplotlib.pyplot as plt
import random

H = nx.Graph()

nodes = list(range(100))  # 100 nodes

# add 100 random edges
for i in range(100):
    src = random.choice(nodes)
    dest = random.choice(nodes)
    # we don't want src to be the same as dest
    while src == dest:
        dest = random.choice(nodes)

    H.add_edge(src, dest)

partition = community.best_partition(H)  # compute communities

pos = nx.spring_layout(H)  # compute graph layout
plt.figure(figsize=(10, 10))
plt.axis('off')
nx.draw_networkx_nodes(H, pos, node_size=600, cmap=plt.cm.RdYlBu, node_color=list(partition.values()))
nx.draw_networkx_edges(H, pos, alpha=0.3)
plt.show(H)

输出：

​

​

在上面的图像中，我们没有看到清晰的社区。在这里，您至少有三个选择：

• 手动定义图形布局(节点坐标/位置)(代码中为pos)，
• 不同布局的实验(发现这里)和
• 为每个社区(或至少是最重要的社区)树立形象。

如果您选择第三个选项，您可以让一个突出显示的社区的节点比其他节点大(当然还有不同的颜色)。您还可以更改该社区中边缘的颜色和厚度(在下面的示例中没有显示)。

node_size = []

# first community against the others
for node, community in partition.items():
    if community == 1:
        node_size.append(900)
    else:
        partition[node] = 0  # I put all the other communities in one communitiy
        node_size.append(300)

plt.figure(figsize=(10, 10))
plt.axis('off')
nodes = nx.draw_networkx_nodes(H, pos, node_size=node_size, cmap=plt.cm.winter, node_color=list(partition.values()))
nx.draw_networkx_edges(H, pos, alpha=0.3)
plt.show(H)

产出(只有第一个突出显示的社区)：

​

​

如果对于同一个图有多个图像，我建议节点在所有这些图中都有相同的位置(在绘图之间需要有相同的pos )。这样，图像就更具有可比性了。