Graphviz/PyGraphviz中有向图的NetworkX风格弹簧模型布局

NetworkX主要用于图形分析，PyGraphviz主要用于绘图，它们被设计为协同工作。然而，NetworkX的图形绘制（通过MatPlotLib）至少在一个方面优于PyGraphviz的图形绘制（通过Graphviz），即NetworkX有一个专门针对有向图的spring布局算法（可通过

spring\u布局

函数访问），而PyGraphviz有几个spring布局算法（可通过

neato

程序和其他程序访问）将有向图作为无向图进行布局。唯一真正处理图中方向的Graphviz/PyGraphviz布局程序是

dot

，但

dot

创建分层布局，而不是强制定向布局

下面是一个示例，显示了NetworkX和PyGraphviz对于有向图的spring布局的区别：

import networkx as nx
import pygraphviz as pgv
import matplotlib.pyplot as ppt

edgelist = [(1,2),(1,9),(3,2),(3,9),(4,5),(4,6),(4,9),(5,9),(7,8),(7,9)]

nxd = nx.DiGraph()
nxu = nx.Graph()
gvd = pgv.AGraph(directed=True)
gvu = pgv.AGraph()

nxd.add_edges_from(edgelist)
nxu.add_edges_from(edgelist)
gvd.add_edges_from(edgelist)
gvu.add_edges_from(edgelist)

pos1 = nx.spring_layout(nxd)
nx.draw_networkx(nxd,pos1)
ppt.savefig('1_networkx_directed.png')
ppt.clf()

pos2 = nx.spring_layout(nxu)
nx.draw_networkx(nxu,pos2)
ppt.savefig('2_networkx_undirected.png')
ppt.clf()

gvd.layout(prog='neato')
gvd.draw('3_pygraphviz_directed.png')

gvu.layout(prog='neato')
gvu.draw('4_pygraphviz_undirected.png')

1_networkx_directed.png:（）

2_networkx_undirected.png:（）

3_pygraphviz_directed.png:（）

4_pygraphviz_undirected.png:（）

绘制的第三个和第四个图形基本相同，但箭头（整个图形已旋转，但除此之外，没有差异）。然而，第一个和第二个图形的布局不同，这不仅仅是因为NetworkX的布局算法引入了随机性元素

反复运行上面的代码表明这不是偶然发生的。NetworkX的

spring\u layout

函数显然是基于这样的假设编写的：如果从一个节点到另一个节点有一条弧，那么第二个节点应该比第一个节点更靠近图的中心（即，如果

edgelist

中描述的图是有方向的，那么节点2应该比节点1和3更接近节点9，节点6应该比节点4更接近节点9，节点8应该比节点7更接近节点9；这并不总是像我们在上图中从节点4和5看到的那样完美工作，但这是一个小问题与2和9都靠近中心相比，我认为“错误”非常轻微）。换句话说，NetworkX的

spring\u布局既有层次性又有强制导向性

这是一个很好的特性，因为它使核心/外围结构在有向图中更为明显（根据您使用的假设，没有传入弧的节点可以被视为外围的一部分，即使它们有大量传出弧）@skyebend在下面解释了为什么大多数布局算法将有向图视为无向图，但上面的图显示（a）NetworkX对它们的处理方式不同，（b）它以有助于分析的原则性方式进行处理

是否可以使用PyGraphviz/Graphviz复制

不幸的是，NetworkX的
spring\u layout
（实际上是
fruchterman\u reingold\u layout
）函数和注释后的for NetworkX没有提供任何线索，说明NetworkX为什么会产生这样的结果

这是使用PyGraphviz使用NetworkX
spring_layout
函数绘制网络的结果（请参见下面我自己对这个问题的回答）。
5_pygraphviz_plus_networkx.png：
（）
好的，我想我已经弄明白了，所以我要回答我自己的问题。我认为PyGraphviz本身无法完成。但是，可以指示PyGraphviz从NetworkX获取节点位置，但要将它们固定（使用
！
）这样，
neato
程序就不能实际执行任何操作，只能对由
spring\u layout
计算的节点位置进行橡皮戳。在上面添加以下代码行：

for k,v in pos1.iteritems():
    gvd.get_node(k).attr['pos']='{},{}!'.format(v[0]*10,v[1]*10)

gvd.layout(prog='neato')
gvd.draw('5_pygraphviz_plus_networkx.png')

结果并不完美——我必须将坐标乘以10，以防止节点相互重叠，这（显然）是一个难题——但这是一个改进，即索引为0的节点位于外部（使用NetworkX布局的好处）还有一些合适的箭头不会被节点本身吞没（使用PyGraphviz绘图的好处）

不过，我知道这并不是我严格要求的（即使用PyGraphviz/Graphviz本身的解决方案）

如果有人能提供更好的解决方案，我会很高兴

编辑：没有人能像上面所说的那样为这个问题提供更好的解决方案，所以我将接受我自己的答案，以表明它确实有效。然而，我也投票支持skyebend的答案，因为尽管它不能解决问题，但它对理解潜在问题是一个非常有用的贡献。
Graphviz也有一个fdp和sfdp布局模式，用于执行节点的强制定向放置，类似于spring布局。我不熟悉NetworkX，但它似乎是
gvu.layout（prog='fdp'）
是否可行？如果NetworkX允许向Graphviz传递其他参数，则可以调整许多可配置的布局参数，使布局更接近所需布局。请参阅Graphviz文档：

然而，fdp布局将网络视为无向图。我知道的大多数“spring”布局也将网络视为无向图，因为它们必须将网络转换为欧几里德空间（屏幕）其中距离是对称的。一个例外是“磁性”弹簧布局，它也尝试对齐圆弧，使它们指向相似的方向，以传达层次结构，作为排序neato/点混合

算法实现在如何将有向网络中的网络距离转换为无向权重/距离方面也可能有所不同。如果您想更好地控制有向圆弧的解释方式，您可能希望自己明确执行此步骤。
感谢您解释为什么大多数spring布局都会网络是无向的，但您提供的解决方案（即使用
fdp
或
s