在 Networkx 中创建饼图作为节点

Question

我想在使用 Networkx 创建的图形的每个节点位置创建饼图。根据this帖子中给出的cmets，我尝试了以下方法。

import pygraphviz as pgv
import networkx as nx
import matplotlib.pyplot as plt
import plotly.graph_objects as go

from pprint import pprint
from collections import OrderedDict


if __name__ == '__main__':

    tail = [1, 2, 3]
    head = [2, 3, 4]

    xpos = [0, 1, 2, 3]
    ypos = [0, 0, 0, 0]
    xpos_ypos = [(x, y) for x, y in zip(xpos, ypos)]

    ed_ls = [(x, y) for x, y in zip(tail, head)]
    G = nx.OrderedDiGraph()
    G.add_edges_from(ed_ls)

    # set node positions
    pos = OrderedDict(zip(G.nodes, xpos_ypos))
    nx.draw(G, pos=pos, with_labels=True)
    nx.set_node_attributes(G, pos, 'pos')

    # set node property 1
    prop1 = [0.1, 0.2, 0.3, 0.4]
    nx.set_node_attributes(G, prop1, 'prop1')

    # set node property 2
    prop2 = [0.5, 0.6, 0.4, 0.1]
    nx.set_node_attributes(G, prop2, 'prop2')

    # set node property 3
    prop3 = [20, 10, 5, 1]
    nx.set_node_attributes(G, prop3, 'prop3')

    # set node property 4
    prop4 = [24, 256, 2547, 101]
    nx.set_node_attributes(G, prop4, 'prop4')

    # create pie-chart in nodes
    H = nx.nx_agraph.to_agraph(G)


    H.node_attr['style'] = 'wedged'

    for i in H.nodes():
        n = H.get_node(i)
        n.attr['prop1'] = # Here, I want to convert this prop1 = [0.1, 0.2, 0.3, 0.4] to colormap and assign colors
    plt.show()

有四个属性分配给节点，prop1、prop2、prop3 和 prop4。我想在饼图中创建 4 个相等的分数（类似于 this，但分数相等）并为每个分数着色 基于存储在变量 prop1、prop2、prop3 和 prop4 中的值的分数。

简而言之，不是为每个节点分配单一颜色，而是在这里我有一个饼图，其中分数的数量等于节点属性/属性的数量。为每个属性存储的值将用于为饼图中位于每个节点中心的分数分配颜色。

任何关于如何做到这一点的建议都会很有帮助

Answer 1

对于节点：plt.pie 接受坐标来设置中心。这些坐标可以用 netwrokx 生成。 然后，您绘制饼图而不是节点。

要获得颜色，您可以利用以下事实：将浮点值输入颜色图会返回 rgb 值，plt.pie 接受该值作为输入。 因此，如果您对数据进行规范化，您可以将各个值输入到颜色图中。

import networkx as nx
import matplotlib.pyplot as plt
import numpy as np


# parameters for pie plot
radius = 0.2
cmap = plt.cm.viridis

# make graph
G = nx.Graph()
nodes = [1,2,3,4]
edges = ((1,2),(3,2),(1,4),(3,4))
G.add_nodes_from(nodes)
G.add_edges_from(edges)
pos = nx.spring_layout(G)


# storing attributes in a dict
attrs = {
    1:[1,1,1],
    2:[0.5, 1, 0],
    3:[0, 0.6, 0],
    4:[0.5, 1, 0.5],
}

# normalising data to make colors
a = np.array(list(attrs.values()))
maxes = np.max(a, axis=0) # note that this will throw an error if different nodes have different number of features. 


# collect colors in dictionary    
colors= {}

for key, val in attrs.items():
    colors[key] = list(np.array(val)/maxes)

# draw graph and draw pieplots instead of nodes

nx.draw_networkx_edges(G, pos=pos)
for node in G.nodes:

    attributes = attrs[node]

    a = plt.pie(
        [1]*len(attributes), # s.t. all wedges have equal size
        center=pos[node], 
        colors = [cmap(a) for a in colors[node]],
        radius=radius)

plt.ylim(-2,2)
plt.xlim(-2,2)