如何根据图的模块性改变networkx图中节点的颜色

Question

目前，我有一个基于度中心度来更改节点颜色和大小的NetworkX图，但我希望不是基于度中心度来更改颜色，而是基于模块化来更改节点的颜色，最好是在计算模块化时使用标签传播。

我尝试了更改颜色的方法，就像我在代码中根据度数中心度进行更改一样，但只得到了错误，因为度数中心度有多个值，而模块性只有一个值。

预期的结果是让节点的颜色根据模块性而不是度中心性而变化，同时保持节点的大小基于度中心性。

此处提供了此项目中使用的CSV文件：https://www.mediafire.com/file/q0kziy9h251fcjf/nutrients.csv/file

以下是该项目的代码

import networkx as nx
import matplotlib.pyplot as plt
import networkx.algorithms.community as nx_com
import numpy as np

# create graph from data
with open("nutrients.csv", "r") as f:
    G = nx.parse_edgelist(f.readlines(), delimiter=",")

# centrality
deg_centrality = nx.degree_centrality(G)
centrality = np.fromiter(deg_centrality.values(), float)

# modularity
mod = nx_com.modularity(G, nx_com.label_propagation_communities(G))

# plot
pos = nx.spring_layout(G)
nx.draw(G, pos, node_color=centrality, node_size=centrality*2e3)
nx.draw_networkx_labels(G, pos)
plt.show()

Answer 1

我解决了这个问题。这就是答案

import networkx as nx
import matplotlib.pyplot as plt
import networkx.algorithms.community as nx_com
import numpy as np
import community as community_louvain

# create graph from data
with open("nutrients.csv", "r") as f:
    G = nx.parse_edgelist(f.readlines(), delimiter=",")

# centrality
deg_centrality = nx.degree_centrality(G)
centrality = np.fromiter(deg_centrality.values(), float)

# modularity
label = community_louvain.best_partition(G)
mod = community_louvain.modularity(label, G)
values = [label.get(node) for node in G.nodes()]


# plot
pos = nx.spring_layout(G)
nx.draw(G, pos, node_color=values, node_size=centrality*2e3)
nx.draw_networkx_labels(G, pos)
plt.show()