我正在绘制两种类型的图形,我想要对齐颜色：
> networkx.Graph中的节点颜色,和
>普通情节中pyplot.hlines的颜色.
这两个数字都依赖于一个字典,其中node_names作为键,int作为值,以及matplotlib.colors.LinearSegmentedColormap cmap.如下：
import matplotlib.pyplot as plt
Dict = {"Alice": 0, "Bob": 1, "Carol": 2}
cmap = plt.cm.Accent
这允许我为每个名称获得独特的颜色.对于这个例子：
for key, value in Dict.iteritems():
print key, value, cmap(value)
给我
Bob 1 (0.50482122313742539, 0.78532873251858881, 0.50718954287323292, 1.0)
Alice 0 (0.49803921580314636, 0.78823530673980713, 0.49803921580314636, 1.0)
Carol 2 (0.51160323047170453, 0.7824221582973705, 0.5163398699433196, 1.0)
可以使用如下：
plt.hlines(1, 1, 5, cmap(Dict["Alice"]))
plt.hlines(2, 1, 5, cmap(Dict["Bob"]))
plt.hlines(3, 1, 5, cmap(Dict["Carol"]))
但是,这些值与我绘制以下网络时得到的结果完全不匹配：
G = nx.Graph()
G.add_nodes_from(Dict.keys())
nx.draw_networkx(G, nodelist=Dict.keys(), node_color=range(3), \
cmap=plt.cm.Accent)
对于网络的情节,我得到3种明显不同的颜色,但对于hlines,它们几乎无法区分.
关于nx.draw_network如何使用node_color和cmap我有什么遗漏？
解决方法:
您需要将值映射到[0,1]色彩映射范围.为您的hline绘图明确地执行此操作 – networkx的maptlotlib界面将为您执行此操作,您可以指定最小值和最大值.请注意,对于调用networkx.draw_networkx,nodelist order和node_color顺序必须相同.
import networkx as nx
import matplotlib.pyplot as plt
import matplotlib as mpl
Dict = {"Alice": 0, "Bob": 1, "Carol": 2}
cmap = plt.cm.Accent
norm = mpl.colors.Normalize(vmin=0, vmax=2)
m = plt.cm.ScalarMappable(norm=norm, cmap=cmap)
for key, value in Dict.iteritems():
print key, value, m.to_rgba(value)
plt.hlines(1, 1, 5, m.to_rgba(Dict["Alice"]), linewidth=50)
plt.hlines(2, 1, 5, m.to_rgba(Dict["Bob"]), linewidth=50)
plt.hlines(3, 1, 5, m.to_rgba(Dict["Carol"]), linewidth=50)
G = nx.Graph()
G.add_nodes_from(Dict.keys())
nodelist,node_color = zip(*Dict.items())
nx.draw_networkx(G, nodelist=nodelist, node_size=1000, node_color=node_color,vmin=0.0,vmax=2.0, cmap=cmap)
plt.show()
标签：python,matplotlib,networkx 来源： https://codeday.me/bug/20190628/1315217.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。