Python：如何生成具有预定义节点位置的无标度网络？

我想按照Barabasi-Albert算法生成一个无标度网络，包括增长和优先依恋

我使用以下脚本创建网络：

import networkx as nx
import matplotlib.pyplot as plt

n=100 #Number of nodes
m=4 #Number of initial links
seed=100
G=nx.barabasi_albert_graph(n, m, seed)
nx.draw(G)
plt.show()

这将产生以下输出：

我对节点的定位方式不满意。我希望根据预定义的方案定位节点，该方案类似于常规网格，同时仍保持无标度功能：

我可以创建反映我的网格的位置字典：

pos = dict( (n, n) for n in G.nodes() )
labels = dict( ((i, j), i + (n-1-j) * n ) for i, j in G.nodes() )
inds=labels.keys()
vals=labels.values()
inds.sort()
vals.sort()
pos2=dict(zip(vals,inds))

---

我的问题：如何修改脚本以获得节点位置在

pos2

中指定的Barabasi-Albert图，也就是说根据我的网格？

您计划在图上放置多少节点？ 一旦你开始获得超过100个节点，除非你有惊人数量的视觉不动产，否则添加更多节点通常是毫无意义的

我在过去使用过好几种工具，但从来没有发现一种是最好的

* pygraph
* A Microsoft Graphing engine
* GraphDb - lots of query node power there
* IBM Products - for spacial visualisation

大多数绘图软件包将节点放置留给软件包-我没有使用（也不想使用），这使得这成为数据科学家/软件工程师的任务

---

有兴趣了解您的进展情况…

您计划在图表上放置多少节点？

import networkx as nx
import matplotlib.pyplot as plt

n = 100  # Number of nodes
m = 4  # Number of initial links
seed = 100
G = nx.barabasi_albert_graph(n, m, seed)

ncols = 10
pos = {i : (i % ncols, (n-i-1) // ncols) for i in G.nodes()}
nx.draw(G, pos, with_labels=True)    
plt.show()

一旦你开始获得超过100个节点，除非你有惊人数量的视觉不动产，否则添加更多节点通常是毫无意义的

我在过去使用过好几种工具，但从来没有发现一种是最好的

* pygraph
* A Microsoft Graphing engine
* GraphDb - lots of query node power there
* IBM Products - for spacial visualisation

大多数绘图软件包将节点放置留给软件包-我没有使用（也不想使用），这使得这成为数据科学家/软件工程师的任务

我很想看看你的进展如何

import networkx as nx
import matplotlib.pyplot as plt

n = 100  # Number of nodes
m = 4  # Number of initial links
seed = 100
G = nx.barabasi_albert_graph(n, m, seed)

ncols = 10
pos = {i : (i % ncols, (n-i-1) // ncols) for i in G.nodes()}
nx.draw(G, pos, with_labels=True)    
plt.show()

---

转置模块和整数除法运算符可转置行和列：

pos = {i : (i // ncols, (n-i-1) % ncols) for i in G.nodes()}

屈服

---

将y值从

（n-i-1）%ncols

更改为

ncols-（n-i-1）%ncols

将围绕水平轴翻转图像：

pos = {i : (i // ncols, ncols - (n-i-1) % ncols) for i in G.nodes()}

---

转置模块和整数除法运算符可转置行和列：

pos = {i : (i // ncols, (n-i-1) % ncols) for i in G.nodes()}

屈服

---

将y值从

（n-i-1）%ncols

更改为

ncols-（n-i-1）%ncols

将围绕水平轴翻转图像：

pos = {i : (i // ncols, ncols - (n-i-1) % ncols) for i in G.nodes()}

---

我计划添加20000个节点，但可视化不是我关心的问题。因此，您建议远离

networkx

？20k节点！！！呃，前几天我以8万美元起家。。。。过滤并将其放到一个包含800个密钥对的可视图形上。。。。这简直是一个黑色的可怕的混乱！！！然后，当我对800个密钥对应用一些过滤（并减少到大约250个条目）时，您可以识别一些有关网络图的信息。如果您不关心可视化，那么为什么要担心节点在图形上的位置？因为此脚本与执行计算的另一个脚本配对，并且它们基于节点位置。好的-这完全有意义。所以（假设我已经理解了这一点）-你填充你的Barabási–Albert模型-最流行的节点通常会获得更多链接（好的）。。。。只要您可以查询图形以找出节点的边，我就不会担心放置问题（除非节点具有地理关系）。放置节点的Python代码看起来不错。。。它正在使网络自动平衡，并在20K节点上重新排序，这将非常占用CPU。我还忘了提到graphX——同样值得一看——Apache、Spark、bigdata等节点都有地理关系。但是，如果我生成一个无标度网络并将其

G.edges（）

写入csv文件，该怎么办？正是这个对象具有该网络的典型幂律特征。然后，我可以根据我的位置添加20000个节点，然后使用csv文件中的

G添加边（）。这可能是一个合理的解决方法吗？我计划添加20000个节点，但可视化不是我关心的问题。因此，您建议远离
networkx
？20k节点！！！呃，前几天我以8万美元起家。。。。过滤并将其放到一个包含800个密钥对的可视图形上。。。。这简直是一个黑色的可怕的混乱！！！然后，当我对800个密钥对应用一些过滤（并减少到大约250个条目）时，您可以识别一些有关网络图的信息。如果您不关心可视化，那么为什么要担心节点在图形上的位置？因为此脚本与执行计算的另一个脚本配对，并且它们基于节点位置。好的-这完全有意义。所以（假设我已经理解了这一点）-你填充你的Barabási–Albert模型-最流行的节点通常会获得更多链接（好的）。。。。只要您可以查询图形以找出节点的边，我就不会担心放置问题（除非节点具有地理关系）。放置节点的Python代码看起来不错。。。它正在使网络自动平衡，并在20K节点上重新排序，这将非常占用CPU。我还忘了提到graphX——同样值得一看——Apache、Spark、bigdata等节点都有地理关系。但是，如果我生成一个无标度网络并将其
G.edges（）
写入csv文件，该怎么办？正是这个对象具有该网络的典型幂律特征。然后，我可以根据我的位置添加20000个节点，然后使用csv文件中的
G添加边（）。这可能是一个合理的解决方法吗？可爱的布局-添加更多的NOE，看看为什么有向图开始成为一种必需品，而不是奢侈品。如何更改节点位置，使第一行成为第一列？e、 例如，将节点标记为行而不是列。@CF84:将
%
和