python – 如何使用Matplotlib可视化连接矩阵?

前端之家收集整理的这篇文章主要介绍了python – 如何使用Matplotlib可视化连接矩阵?前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

我试图想象一个双向集合问题的连接矩阵.我如何以最佳方式实现这一目标?

我已经开始使用图形程序了:

圆形描述了红色和蓝色之间的某种连接,而另一个则描述了方形.红色和蓝色方块都会有一些文字.

然而,用matplotlib生成这个grafic会更好,因为我想在附带数据的情况下动态生成它.我该怎么做呢?
我的数据看起来有点像这样:

数据:

name_blue name_red Connection Type
bluepart1 redpart1 1
bluepart1 redpart2 1
bluepart1 redpart3 1
bluepart3 redpart2 2 
bluepart4 redpart2 2
...

等等.我想将名称标签写入蓝色/红色方块,以便用户知道哪个是哪个.

后续问题:
如何通过部分标记为蓝色/红色的节点生成图表?有点像这样:

但是节点反映了它们的二分性质.我对此仍然有点暗,主要是因为我不知道如何使用matplotlib解决这个问题.我希望有一些关于如何可视化的好建议,也许是一个向我展示方式的示例实现.

最佳答案
如何使用这样的颜色边缘进行二分表示?

以下是生成图像的代码.

import matplotlib.pyplot as plt

def addconnection(i,j,c):
  return [((-1,1),(i-1,j-1),c)]

def drawnodes(s,i):
  global ax
  if(i==1):
    color='r'
    posx=1
  else:
    color='b'
    posx=-1

  posy=0
  for n in s:
    plt.gca().add_patch( plt.Circle((posx,posy),radius=0.05,fc=color))
    if posx==1:
      ax.annotate(n,xy=(posx,posy+0.1))
    else:
      ax.annotate(n,xy=(posx-len(n)*0.1,posy+0.1))
    posy+=1

ax=plt.figure().add_subplot(111)
set1=['Man1','Man2','Man3','Man4']
set2=['Woman1','Woman2','Woman3','Woman4','Woman5']
plt.axis([-2,2,-1,max(len(set1),len(set2))+1])
frame=plt.gca()
frame.axes.get_xaxis().set_ticks([])
frame.axes.get_yaxis().set_ticks([])

drawnodes(set1,1)
drawnodes(set2,2)

connections=[]
connections+=addconnection(1,'g')
connections+=addconnection(1,3,'y')
connections+=addconnection(1,4,'g')
connections+=addconnection(2,1,'g')
connections+=addconnection(4,'y')
connections+=addconnection(4,'g')
connections+=addconnection(5,'y')

for c in connections:
  plt.plot(c[0],c[1],c[2])

plt.show()

得到像你在yEd画的东西

import matplotlib.pyplot as plt

COLOR1='r'
COLOR2='b'

def addconnection(i,c):
  if(c==1):
    plt.gca().add_patch( plt.Rectangle((j-0.1,-i-0.1),0.2,fc='y'))
  if(c==2):
    plt.gca().add_patch( plt.Circle((j,-i),radius=0.1,fc='y'))

def drawnodes(s,i):
  global ax
  if(i==1):
    color=COLOR1
    vx=1
    vy=0
  else:
    color=COLOR2
    vx=0
    vy=1

  step=1
  for n in s:
    posx=step*vx
    posy=step*vy

    plt.gca().add_patch( plt.Circle((posx,-posy),fc=color))
    ax.annotate(n,-posy+0.15))
    step+=1

f=open('input.txt')
t=f.readlines()
t=map(lambda x: x.replace('(',' ').replace(')',' ').split(':'),t)

set1=set([])
set2=set([])

for x in t:
  s=x[1].split()
  set1.add(s[0])
  set2.add(s[1])

set1=list(set1)
set2=list(set2)

dic={}
for e in zip(set1,xrange(1,len(set1)+1)): dic[(e[0],1)]=e[1]
for e in zip(set2,len(set2)+1)): dic[(e[0],2)]=e[1]

ax=plt.figure(figsize=(max(len(set1),len(set2))+1,len(set2))+1)).add_subplot(111)
plt.axis([-1,-max(len(set1),len(set2))-1,1])
frame=plt.gca()
frame.axes.get_xaxis().set_ticks([])
frame.axes.get_yaxis().set_ticks([])

drawnodes(set1,2)

for x in t:
  s=x[1].split()
  addconnection(dic[(s[0],1)],dic[(s[1],2)],int(x[2]))

plt.show()

猜你在找的Python相关文章