Python NetworkX库生成并绘制带权无向图

Nora

发布时间：2026-10-16| 3人浏览过

原创

本文介绍如何使用Python的NetworkX库生成Erdős-Rényi随机图并添加均匀分布的权重。通过spring_layout算法实现2D力导向布局，利用边宽映射权重值进行可视化；同时展示基于numpy和matplotlib的3D空间布局绘制方法，完整覆盖从图构建到多维可视化的操作流程。

NetworkX是一个功能强大的网络科学工具库，它不仅封装了图的数据结构，还提供了多种经典图算法，并内置了丰富的可视化函数供开发者直接调用。

1. 随机图生成

最经典的随机图模型是前文《Erdos-Renyi随机图的生成方式及其特性》中提到的Erdős-Rényi随机图。此处我们采用Gnp模型形式，通过调用相应的API来生成图形。

G = nx.erdos_renyi_graph(10, 0.3, seed=1)

上述代码表示生成一个包含10个顶点的图，其中每条边以0.3的概率独立存在。

默认生成的图不包含权重信息。若需在此基础上为边均匀随机初始化[0, 0.4]区间内的权重，可参考以下实现方式：

G = nx.Graph()
for u, v in nx.erdos_renyi_graph(10, 0.3, seed=1).edges():
    G.add_edge(u, v, weight=random.uniform(0, 0.4))

2. 2D布局可视化

随机图生成后，需进行可视化展示。首先计算节点在图中的位置，经典Fruchterman-Reingold力导向算法可完成此任务，对应NetworkX中的spring_layout函数。

pos = nx.spring_layout(G, iterations=20) #我们设算法迭代次数为20次

随后，分别绘制图的边、节点以及节点标签，具体代码如下：

nx.draw_networkx_edges(G, pos, edge_color="orange")
nx.draw_networkx_nodes(G, pos, node_color="black")
nx.draw_networkx_labels(G, pos, font_color="white")
plt.show()

绘图结果如下所示：

上述结果无法直观体现图的权值。若需将权值可视化，可通过设置边的宽度来反映权值大小，具体实现如下：

nx.draw_networkx_edges(G,pos, width=[float(d['weight']*10) for (u,v,d) in G.edges(data=True)], edge_color="orange")
nx.draw_networkx_nodes(G,pos, node_color="black")
nx.draw_networkx_labels(G, pos, font_color="white")
plt.show()

此时的绘图结果如下所示：

3. 3D布局可视化

若觉得2D布局过于扁平，难以直观体现节点间的拓扑关系，可使用以下代码对图进行三维可视化处理：

# 3d spring layout
pos = nx.spring_layout(G, dim=3, seed=779)
# Extract node and edge positions from the layout
node_xyz = np.array([pos[v] for v in sorted(G)])
edge_xyz = np.array([(pos[u], pos[v]) for u, v in G.edges()])
# Create the 3D figure
fig = plt.figure()
ax = fig.add_subplot(111, projection="3d")
# Plot the nodes - alpha is scaled by "depth" automatically
ax.scatter(*node_xyz.T, s=100, ec="w")
# Plot the edges
for vizedge in edge_xyz:
    ax.plot(*vizedge.T, color="tab:gray")
def _format_axes(ax):
    """Visualization options for the 3D axes."""
    # Turn gridlines off
    ax.grid(False)
    # Suppress tick labels
    for dim in (ax.xaxis, ax.yaxis, ax.zaxis):
        dim.set_ticks([])
    # Set axes labels
    ax.set_xlabel("x")
    ax.set_ylabel("y")
    ax.set_zlabel("z")
_format_axes(ax)
fig.tight_layout()
plt.show()

此时的3D绘图结果如下所示：