Networkx 图和标签

Question

我在理解 networkx 库的工作原理和节点标签方面遇到了一些麻烦。 假设我在 pandas dataframe 中有一个相关矩阵：

import pandas as pd
import networkx as nx
import matplotlib.pyplot as plt

D = pd.DataFrame\
({'A': [1, 0.5, 0.1], 'B': [0.5, 1, 0.3], 'C': [0.1, 0.3, 1]}, index =  ['A', 'B', 'C'])

我现在想 plot 这个相关矩阵的简单图形表示（在这个例子中是一个三角形），然后为更大的相关矩阵/距离矩阵生成最小生成树。

corr_graph = nx.from_pandas_adjacency(D)
pos = nx.spring_layout(corr_graph)
nx.draw_networkx_nodes(corr_graph ,pos=pos, label = ['A', 'B', 'C'])
nx.draw_networkx_edges(corr_graph ,pos=pos)
nx.draw_networkx_edge_labels(corr_graph , pos=pos)
plt.axis('off')
plt.show()

因此生成了图形，每个边上都有正确的标签。 在节点上，我有自循环边{'weight':1}但节点本身没有标签，我希望它们为 A、B 和 C，就像我最初的 dataframe 一样，这样我就可以识别它们。 我的另一个问题是如何删除自循环边缘标签。

我想对最小生成树做同样的事情，但首先我只是想在简单的图表上做。

谢谢，

Answer 1

绘图节点标签

（内置功能）：

nx.draw_networkx_labels(corr_graph, pos=pos)

删除自循环：

方法一：

将对角线设置为零，然后创建图形：

# for example
E = D - np.eye(D.shape[0])
corr_graph = nx.from_pandas_adjacency(E)

方法二：

创建图形，并且只绘制具有不同源和目标的边。

corr_graph = nx.from_pandas_adjacency(D)
edges = [(a,b) for (a,b) in corr_graph.edges() if a != b]
nx.draw_networkx_edges(corr_graph, edgelist=edges, pos=pos)