如何根据图的模块化改变networkx图中节点的颜色

Question

目前，我有一个 NetworkX 图，它可以根据度中心性更改节点的颜色和大小，但我希望不是根据度中心性更改颜色，而是希望根据模块性更改节点的颜色，最好使用 label模块化计算中的传播。

我尝试以与根据度数中心性更改的代码相同的方式更改颜色，但由于度数中心性具有多个值并且模块化是一个值，因此只会出现错误。

预期的结果是使节点的颜色根据模块性而不是度中心性而改变，同时根据度中心性保持节点的大小。

此项目中使用的 CSV 文件可在此处获得： https://www.mediafire.com/file/q0kziy9h251fcjf/nutrients.csv/file

这是项目的代码

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()