相关疑难解决方法(0)

如何根据这些边的权重更改networkx中图形中边的颜色？

以下代码仅提供所有黑色边缘,即使色彩图是喷射的!

 nx.draw_networkx(g,pos=pos,with_labels=True,edge_colors=[g[a][b]['weight'] for a,b in g.edges()], width=4,edge_cmap = plt.cm.jet)

将边权重缩放到0到1之间不会改变任何东西.

我不确定上面的代码与相关问题中的代码有什么不同,除了我没有使用循环,draw_networkx因为我没有动画图.

我创建了一个MultiDiGraph，networkx尝试在其中添加权重到边缘，然后根据边缘出现的频率/次数分配新的权重。我使用以下代码创建图形并添加权重，但是我不确定如何处理基于计数的权重分配：

g = nx.MultiDiGraph()

df = pd.read_csv('G:\cluster_centroids.csv', delimiter=',')
df['pos'] = list(zip(df.longitude,df.latitude))
dict_pos = dict(zip(df.cluster_label,df.pos))
#print dict_pos


for row in csv.reader(open('G:\edges.csv', 'r')):
    if '[' in row[1]:       #
        g.add_edges_from(eval(row[1]))

for u, v, d in g.edges(data=True):
    d['weight'] = 1
for u,v,d in g.edges(data=True):
    print u,v,d

编辑

我能够通过以下操作为原始问题的第一部分成功分配权重：

for u, v, d in g.edges(data=True):
    d['weight'] = 1
for u,v,d in g.edges(data=True):
    print u,v,d

但是，我仍然无法根据出现一条边的次数重新分配权重（图形中的一条边可以多次出现）？我需要完成此操作，以可视化计数更高的边缘与计数较低的边缘（使用边缘颜色或宽度）。我不确定如何根据计数重新分配权重，请告知。以下是示例数据，以及指向我完整数据集的链接。

数据

样本质心（节点）：

cluster_label,latitude,longitude
0,39.18193382,-77.51885109
1,39.18,-77.27
2,39.17917928,-76.6688633
3,39.1782,-77.2617
4,39.1765,-77.1927
5,39.1762375,-76.8675441
6,39.17468,-76.8204499
7,39.17457332,-77.2807235
8,39.17406072,-77.274685
9,39.1731621,-77.2716502
10,39.17,-77.27

样本边缘：

user_id,edges
11011,"[[340, 269], …