NetworkX 中用于大量节点的二分图

Question

我正在尝试创建某些节点的二分，对于少量它看起来非常好：

大约 30 个节点的图像

不幸的是，对于像这样的更多节点，情况并非如此：

更多节点的图像

我用于确定每个节点的 position 的代码如下所示：

pos = {}
pos[SOURCE_STRING] = (0, width/2)
row = 0
for arr in left_side.keys():
    pos[str(arr).replace(" ","")]=(NODE_SIZE, row)
    row += NODE_SIZE
row = 0
for arr in right_side.keys():
    pos[str(arr).replace(" ","")]=(2*NODE_SIZE,row)
    row += NODE_SIZE
pos[SINK_STRING] = (3*NODE_SIZE, width/2)
return pos

然后我将它提供给DiGraph class：

G = nx.DiGraph()
G.add_nodes_from(nodes)
G.add_edges_from(edges, len=1)
nx.draw(G, pos=pos ,node_shape = "s", with_labels = True,node_size=NODE_SIZE)

这没有多大意义，因为它们应该彼此保持相同的距离，因为NODE_SIZE是恒定的，对于程序的 rest 不会改变。

按照这个线程：

NetworkX 中的二分图

也没有帮到我。

可以对此做些什么吗？

编辑（按照 Paul Brodersen 建议使用 netGraph：

使用此文档： netgraph doc

并且仍然得到了一些相同的结果，例如： netgraph try

使用边缘和不同的位置，也使用节点大小，但没有成功。

代码：

netgraph.Graph(edges, node_layout='bipartite', node_labels=True)
plt.show()

Answer 1

在您的 netgraph 调用中，您不会更改节点大小。 我对 30 个节点的建议：

import numpy as np
import matplotlib.pyplot as plt

from netgraph import Graph

edges = np.vstack([np.random.randint(0, 15, 60),
                   np.random.randint(16, 30, 60)]).T

Graph(edges, node_layout='bipartite', node_size=0.5, node_labels=True, node_label_offset=0.1, edge_width=0.1)
plt.show()

有 100 个节点：

import numpy as np
import matplotlib.pyplot as plt

from netgraph import Graph

edges = np.vstack([np.random.randint(0, 50, 200),
                   np.random.randint(51, 100, 200)]).T

Graph(edges, node_layout='bipartite', node_size=0.5, node_labels=True, node_label_offset=0.1, edge_width=0.1)
plt.show()