如何增加networkx.spring_layout的节点间距

Question

使用

绘制一个团（clique）图。

import networkx as nx
....
nx.draw(G, layout=nx.spring_layout(G))

该代码产生如下图片：

显然，节点之间的间距（例如边长）需要增加。我在谷歌上搜索了一下，并在这里找到了如下建议：

对于某些布局算法，可能会有一个scale参数可以帮助解决问题，例如：

import networkx as nx
G = nx.path_graph(4)
pos = nx.spring_layout(G)  # default to scale=1
nx.draw(G, pos)
pos = nx.spring_layout(G, scale=2)  # double distance between all nodes
nx.draw(G, pos)

然而，scale 参数似乎没有任何作用。 要获得更好的绘图方法是什么？

- clstaudt

---

除了下面提供的答案之外，我还发现增加图形大小会有所帮助。 - ericmjl

Answer 1

解决这个问题的方法在于 NetworkX 版本 1.8，该版本尚未发布，但可以通过 GitHub 获取。

请按照以下步骤增加节点之间的距离：

pos = nx.spring_layout(G, k=0.15, iterations=20)
# k controls the distance between the nodes and varies between 0 and 1
# iterations is the number of times simulated annealing is run
# default k=0.1 and iterations=50

调整这些参数以查看它如何工作。但尽管如此，并不能保证所有节点都不重叠。

- Vikram

---

根据 https://networkx.org/documentation/stable/reference/generated/networkx.drawing.layout.spring_layout.html，`k=1/n^(1/2)`，因此在0.1处不稳定。 - MERose

这个答案对我的情况没有帮助，虽然我的情况很相似，但是OrangeSherbet的回答确实有效。 - xagg

Answer 2

对于你的问题，真正的答案是你原来的图不是一个单一的，完全连接的组件，而是三个独立的图。

发生的事情是这三个部分会飞向无限远处，在重新缩放后每个组件看起来像一个微小的斑点。

spring_layout算法规定了所有节点之间的斥力（反重力）以及只有连接节点之间的引力（“弹簧”）。

因此，如果图不是连通的，则各个子图将因为没有连接它们而受到斥力而飞离。有两种选择：更改力的定律（编辑networkx代码），或将组件分别绘制为一个图。

下面是如何添加一个将所有节点吸引到图表中心的力。将这段代码片段的最后一行添加到layouts.py中的def _fruchterman_reingold中：

# displacement "force"
displacement = np.einsum('ijk,ij->ik',
                         delta,
                         (k * k / distance**2 - A * distance / k))
# ADD THIS LINE - prevent things from flying off into infinity if not connected
displacement = displacement - pos / ( k * np.sqrt(nnodes))

这一行代码使您可以创建像这样的图表，而不是。但是，“最好”的方法是将组件分别制图。

您可以遍历这些组件，在单独的绘图中绘制它们，使用此处描述的函数。

有关更多讨论，请参见此github问题。

- JoseOrtiz3

Answer 3

我使用了Kamada Kawai布局的最优距离参数，并将非连接组件之间的距离设置为图中的最大距离。可能有更好的方法来处理字典，但这相当容易:

df = pd.DataFrame(index=G.nodes(), columns=G.nodes())
for row, data in nx.shortest_path_length(G):
    for col, dist in data.items():
        df.loc[row,col] = dist

df = df.fillna(df.max().max())

layout = nx.kamada_kawai_layout(G, dist=df.to_dict())

- James Houghton