如何在 Python 中重塑 networkx 图？

Posted 2023-02-16

【中文标题】如何在 Python 中重塑 networkx 图？

【英文标题】：How to reshape a networkx graph in Python?

【发布时间】：2015-08-21 18:05:02

【问题描述】：

所以我创建了一种非常幼稚（可能效率低下）的生成哈希图的方法。

问题：

我有 4 个维度... p q r s .

我想统一显示它（tesseract），但我不知道如何重塑它。

我见过一些使用 spring_layout() 和 draw_circular() 的人的例子，但它的形状与我所寻找的不同，因为它们不统一。

有没有办法重塑我的图表并使其统一？（即将我的哈斯图重塑为正方体形状（最好使用nx.draw()）

这是我目前的样子：

这是我生成 N 维哈希图的代码

#!/usr/bin/python

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

H = nx.DiGraph()

axis_labels = ['p','q','r','s']

D_len_node = 

#Iterate through axis labels
for i in xrange(0,len(axis_labels)+1):
    #Create edge from empty set
    if i == 0:
        for ax in axis_labels:
            H.add_edge('O',ax)
    else:
        #Create all non-overlapping combinations
        combinations = [c for c in itertools.combinations(axis_labels,i)]
        D_len_node[i] = combinations
    #Create edge from len(i-1) to len(i) #eg. pq >>> pqr, pq >>> pqs
    if i > 1:
        for node in D_len_node[i]:
            for p_node in D_len_node[i-1]:
                #if set.intersection(set(p_node),set(node)): Oops
                if all(p in node for p in p_node) == True: #should be this!
                    H.add_edge(''.join(p_node),''.join(node))

#Show Plot
nx.draw(H,with_labels = True,node_shape = 'o')
plt.show() 

我想像这样重塑它：

如果有人知道制作哈斯图的更简单方法，请分享一些智慧，但这不是本文的主要目的。

【问题讨论】：

通过从shell_layout 调整k，您可以获得更少堆叠的图形。使用 0.48 的值，我最终得到了一些可读的东西，但不是很接近你的期望。

嗨@cyrbil 我认为必须有一种方法来获得 N 维 2D 投影的坐标，因为这基本上就是 nx.hypercube_graph(3) 发生的事情

如果您还需要什么/我的回答中有什么不清楚的地方，请在 cmets 中告诉我。否则 - 享受可视化的乐趣 - 将不胜感激：）

【参考方案1】：

这是一个务实的，而不是纯粹的数学答案。

我认为您有两个问题 - 一个与布局有关，另一个与您的网络有关。

1。网络

您的网络中有太多边，无法代表单位 tesseract。 警告我不是这里的数学专家 - 只是从绘图角度（matplotlib 标签）得出这个结论。如果我错了，请解释一下。

您想要的投影，例如，n=4 的 Hasse 图的 wolfram mathworld 页面只有 4 条边连接所有节点，而您有 6 条边连接到 2 位节点和 7 条边连接到 3 位节点。您的图表完全连接每个“级别”，即具有 0 个 1 值的 4-D 向量连接到具有 1 个 1 值的所有向量，然后连接到具有 2 个 1 值的所有向量，依此类推。这在基于***答案的投影中最为明显（下图第二张）

2。投影

我找不到预先编写的算法或库来自动将 4D tesseract 投影到 2D 平面上，但我确实找到了几个示例，e.g. Wikipedia。由此，您可以计算出适合您的坐标集并将其传递给nx.draw() 调用。

这里是一个例子 - 我已经包含了两个坐标集，一个看起来像你上面显示的投影，一个匹配 this one from wikipedia。

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

H = nx.DiGraph()

axis_labels = ['p','q','r','s']

D_len_node = 

#Iterate through axis labels
for i in xrange(0,len(axis_labels)+1):
    #Create edge from empty set
    if i == 0:
        for ax in axis_labels:
            H.add_edge('O',ax)
    else:
        #Create all non-overlapping combinations
        combinations = [c for c in itertools.combinations(axis_labels,i)]
        D_len_node[i] = combinations
    #Create edge from len(i-1) to len(i) #eg. pq >>> pqr, pq >>> pqs
    if i > 1:
        for node in D_len_node[i]:
            for p_node in D_len_node[i-1]:
                if set.intersection(set(p_node),set(node)):
                    H.add_edge(''.join(p_node),''.join(node))

#This is manual two options to project tesseract onto 2D plane 
# - many projections are available!!
wikipedia_projection_coords = [(0.5,0),(0.85,0.25),(0.625,0.25),(0.375,0.25),
                                (0.15,0.25),(1,0.5),(0.8,0.5),(0.6,0.5),
                                (0.4,0.5),(0.2,0.5),(0,0.5),(0.85,0.75),
                                (0.625,0.75),(0.375,0.75),(0.15,0.75),(0.5,1)]

#Build the "two cubes" type example projection co-ordinates
half_coords = [(0,0.15),(0,0.6),(0.3,0.15),(0.15,0),
               (0.55,0.6),(0.3,0.6),(0.15,0.4),(0.55,1)]
#make the coords symmetric
example_projection_coords = half_coords + [(1-x,1-y) for (x,y) in half_coords][::-1]

print example_projection_coords


def powerset(s):
    ch = itertools.chain.from_iterable(itertools.combinations(s, r) for r in range(len(s)+1))
    return [''.join(t) for t in ch]

pos=
for i,label in enumerate(powerset(axis_labels)):
    if label == '':
       label = 'O'
    pos[label]= example_projection_coords[i]

#Show Plot
nx.draw(H,pos,with_labels = True,node_shape = 'o')
plt.show() 

注意 - 除非您更改我在上面 1. 中提到的内容，否则它们仍然具有您的边缘结构，因此看起来与网络上的示例不完全相同。这是您现有的网络生成代码的样子 - 如果您将其与您的示例进行比较，您可以看到额外的边缘（例如，我不认为这个 pr 应该连接到 pqs：

'两个立方体'投影

维基媒体示例投影

---

注意

如果您想深入了解进行自己的预测（并在数学上建立pos），您可以查看this research paper。

---

编辑：

好奇心战胜了我，我不得不寻找一种数学方法来做到这一点。我找到了this blog - 其主要结果是投影矩阵：

这导致我开发了这个函数来投影每个标签，将包含“p”的标签表示该点在“p”轴上的值为 1，即我们正在处理单位 tesseract。因此：

def construct_projection(label):
    r1 = r2 = 0.5
    theta = math.pi / 6
    phi = math.pi / 3
    x = int( 'p' in label) + r1 * math.cos(theta) * int('r' in label) - r2 * math.cos(phi) * int('s' in label)
    y = int( 'q' in label) + r1 * math.sin(theta) * int('r' in label) + r2 * math.sin(phi) * int('s' in label)
    return (x,y)

可以很好地投影到所有点都不同的常规二维八边形中。

这将在上面的程序中运行，只需替换

 pos[label] = example_projection_coords[i]

与

pos[label] = construct_projection(label)

这给出了结果：

尽情享受r1,r2,theta 和phi :)

【讨论】：

哇，这对 J 来说非常有帮助！这就是我一直在寻找的东西，我非常感谢您抽出宝贵的时间。我真的认为这对社区来说将具有难以置信的价值。

“你的网络中有太多的边缘”我没听懂！刚刚修复了错误。应该使用 all() 而不是 set.intersect()