Python 如何绘制图的分布聚类系数

Python 如何绘制图的分布聚类系数,python,matplotlib,cluster-analysis,networkx,Python,Matplotlib,Cluster Analysis,Networkx,我不熟悉networkx和pyplot,我只是想知道如何绘制局部聚类系数的分布。绘制度数分布更为简单,因为度数_直方图函数为您提供了这一功能,但我不确定该怎么做 g = nx.erdos_renyi_graph(1000, 0.02, seed = None, directed = False) gc = g.subgraph(max(nx.connected_components(g))) lcc = nx.clustering(gc) 可以根据集群为每个节点指定颜色。Matplotlib可

我不熟悉networkx和pyplot,我只是想知道如何绘制局部聚类系数的分布。绘制度数分布更为简单,因为度数_直方图函数为您提供了这一功能,但我不确定该怎么做

g = nx.erdos_renyi_graph(1000, 0.02, seed = None, directed = False)
gc = g.subgraph(max(nx.connected_components(g)))
lcc = nx.clustering(gc)

可以根据集群为每个节点指定颜色。Matplotlib可以指示一系列颜色。a告诉聚类值将如何映射到该颜色范围。或者,可以添加颜色栏来显示对应关系

为了简单地显示分布,可以使用集群的值绘制一个图

下面的示例使用略微调整的参数创建图形

导入matplotlib.pyplot作为plt
从matplotlib.cm导入ScalarMapable
将networkx导入为nx
g=nx.鄂尔多斯人一图(50,0.1,种子=无,定向=假)
gc=g.子图(最大(nx.连通分量(g)))
lcc=nx.群集(gc)
cmap=plt.get_cmap(‘秋天’)
norm=plt.Normalize(0,最大值(lcc.values()))
node_colors=[gc.nodes中节点的cmap(norm(lcc[node]))
图(ax1,ax2)=plt.子批次(ncols=2,figsize=(12,4))
nx.draw\u spring(gc,node\u color=node\u colors,带\u标签=True,ax=ax1)
图颜色条(ScalarMapable(cmap=cmap,norm=norm),label='Clustering',shrink=0.95,ax=ax1)
ax2.hist(lcc.values(),bin=10)
ax2.set_xlabel('Clustering')
ax2.set_ylabel('频率')
plt.紧_布局()
plt.show()