如何使用 igraph for python 绘制基于社区的图答案

【问题标题】：How to plot Community-based graph using igraph for python如何使用 igraph for python 绘制基于社区的图
【发布时间】：2016-11-05 20:46:05
【问题描述】：

我有一个图表，我使用 Louvain-Algorithm 实现从中提取社区：

clusters = g.community_multilevel( weights=None, return_levels=False)

然后我为每个社区应用不同的颜色：

new_cmap = ['#'+''.join([random.choice('0123456789abcdef') for x in range(6)]) for z in range(len(clusters))]
colors = {v: new_cmap[i] for i, c in enumerate(clusters) for v in c}
g.vs["color"] = [colors[e] for e in g.vs.indices]

最后我绘制了图表：

visual_style["layout"] = g.layout_fruchterman_reingold(weights=g.es["weight"], maxiter=1000, area=N ** 3, repulserad=N ** 3)
igraph.plot(g, **visual_style)

我得到以下结果：

我的问题是：
1. 有没有一种方法可以使用特定的布局来绘制四个社区中的每一个，而不是这个混合图？我想将图中不同区域的每个社区分开，以增加其内部结构的可见性以及连接社区的少数具有较高中介中心性的边？
2. 我使用了 contract-vertices 函数来帮助我进行可视化，但过于简化了，它只是将每个社区分组在一个点上，并且不允许可视化每个社区的内部结构。我是否以最佳方式使用“合同顶点”？

谢谢。

【问题讨论】：

标签： python graph igraph

【解决方案1】：

我发现解决方案是大幅增加属于社区的边的权重（以下示例中顶点数的 3 倍）：

clusters = g.community_multilevel( weights=None, return_levels=False)
member = clusters.membership
new_cmap = ['#'+''.join([random.choice('0123456789abcdef') for x in range(6)]) for z in range(len(clusters))]

vcolors = {v: new_cmap[i] for i, c in enumerate(clusters) for v in c}
g.vs["color"] = [vcolors[v] for v in g.vs.indices]

ecolors = {e.index: new_cmap[member[e.tuple[0]]] if member[e.tuple[0]]==member[e.tuple[1]] else "#e0e0e0" for e in g.es}
eweights = {e.index: (3*g.vcount()) if member[e.tuple[0]]==member[e.tuple[1]] else 0.1 for e in g.es}
g.es["weight"] = [eweights[e.index] for e in g.es]
g.es["color"] = [ecolors[e] for e in g.es.indices]

visual_style["layout"] = g.layout_fruchterman_reingold(weights=g.es["weight"], maxiter=500, area=N ** 3, repulserad=N ** 3)
igraph.plot(g, **visual_style)

我认为社区内需要“大幅增加”边的权重是因为我的图表由一些顶点组成，这些顶点的数量不到顶点数的 2%，但连接到的边数超过 80%即使他们属于不同的社区。在下图中，许多社区外的边缘为浅灰色：

【讨论】：