小编vur*_*mux的帖子

绘制一个集团图

import networkx as nx
....
nx.draw(G, layout=nx.spring_layout(G))

产生如下图:

显然,需要增加节点之间的间隔(例如,边缘长度).我用谷歌搜索了这个,并在这里找到了这个建议:

对于某些布局算法,存在可能有帮助的"缩放"参数.例如

在1中:将networkx导入为nx

在2:G = nx.path_graph(4)

在[3]中:pos = nx.spring_layout(G)#default to scale = 1

在[4]中:nx.draw(G,pos)

在[5]中:pos = nx.spring_layout(G,scale = 2)#所有节点之间的双倍距离

在[6]中:nx.draw(G,pos)

但是,该scale参数似乎没有任何影响.

获得更好绘图的正确方法是什么？

TLDR：

numpy.cos()在特定数字上（例如24000.0），其工作时间延长了30％。加一个小增量（+0.01）可使numpy.cos()照常工作。

我不知道为什么。

在与一起工作时，我偶然发现了一个奇怪的问题numpy。我正在检查缓存工作，并意外制作了错误的图形- numpy.cos(X)时间取决于时间X。这是我修改后的代码（从我的Jupyter笔记本复制）：

import numpy as np
import timeit
st = 'import numpy as np'
cmp = []
cmp_list = []
left = 0
right = 50000
step = 1000
# Loop for additional average smoothing
for _ in range(10):
    cmp_list = []
    # Calculate np.cos depending on its argument
    for i in range(left, right, step):
        s=(timeit.timeit('np.cos({})'.format(i), number=15000, setup=st))
        cmp_list.append(int(s*1000)/1000)
    cmp.append(cmp_list)

# Calculate average times
av=[np.average([cmp[i][j] for i in range(len(cmp))]) …

我试图在python中使用networkx将相邻矩阵转换为图形。我的“加权”图大约有8000个节点和14000条边。是否有很棒的布局图或其他软件包，工具可以使我的图变得更漂亮？我希望结果是边缘权重越高，节点越近。这样我就可以分析群集节点。

我已经尝试了networkx文档中提供的所有布局。我也尝试使用gephi，但仍然对我的理想不满意。这是在networkx中的外观。它可以显示所有群集，但是对于患有强烈恐惧症的人来说，这看起来有点可怕：

这是我用来绘制图形的代码：

G = nx.Graph()
for i in range(10000):
    for j in range(10000):
        if mat[i][j] > 10:
            G.add_edge(a[i], a[j], weight=mat[i][j])
pos = nx.nx_pydot.graphviz_layout(G)
plt.figure(figsize=(8, 8))
plt.axis('off')
nx.draw_networkx(G, pos=pos, with_labels=False, node_size=25, edgecolors='black', edge_color='b')
plt.show()

我正在寻找使用 numpy 网格创建等高线图的最佳方法。

我的列中有 Excel 数据，简单如下所示：

x data values: -3, -2, -1, 0, 1, 2 ,3, -3, -2, -1, 0, 1, 2, 3
y data values:  1,  1,  1, 1, 1, 1, 1,  2,  2,  2, 2, 2, 2, 2
z data values:  7 , 5,  6, 5, 1, 0, 9,  5,  3,  8, 3, 1, 0, 4

x 和 y 值定义一个 2d 平面，其长度（x 轴）为 7 个值，深度（y 轴）为 2 个值。z 值定义相应点（或多或少是 z 轴）处的颜色。

我试过了：

import matplotlib.pyplot as plt
import numpy …

TLDR: is-comparison 适用于 Python bool，不适用于 numpy bool_。是否存在其他差异？

几天前，我遇到了布尔人的一种奇怪行为。当我尝试对这个 numpy 数组使用 is-comparison 时：

arr1 = np.array([1,0,2,0], dtype=bool)
arr1

Out[...]: array([ True, False,  True, False])

（这些变量名是虚构的，与真实变量名或生产代码的任何相似之处纯属巧合）

我看到了这个结果：

arr1 is True

Out[...]: False

这是合乎逻辑的，因为arr1它不是 True 或 False，它是 numpy 数组。我检查了这个：

arr1 == True

Out[...]: array([ True, False,  True, False])

这按预期工作。我提到了这个可爱的行为并立即忘记了它。第二天，我检查了数组元素的真实性：

[elem is False for elem in arr1]

它返回给我这个！

Out[...]: [False, False, False, False]

我真的很困惑，因为我记得在 Python 数组中（我认为问题出在数组行为中）：

arr2 = [True, False, True, False]
[elem is False for elem in arr2]

有用： …

我试图从以下文本中获取IP：Port：

{
  "supportsHttps": true,
  "protocol": "http",
  "ip": "149.28.159.132",
  "port": "8080",
  "get": true,
  "post": true,
  "cookies": true,
  "referer": true,
  "user-agent": true,
  "anonymityLevel": 1,
  "websites": {
    "example": true,
    "google": true,
    "amazon": false,
    "yelp": false,
    "google_maps": false
  },
  "country": "US",
  "unixTimestampMs": 1558097368515,
  "tsChecked": 1558097368,
  "unixTimestamp": 1558097368,
  "curl": "http://149.28.159.132:8080",
  "ipPort": "149.28.159.132:8080",
  "type": "http",
  "speed": 89.52,
  "otherProtocols": {},
  "verifiedSecondsAgo": 1249
}

我正在使用此代码：

def gimmeproxy():
    r=requests.get("https://gimmeproxy.com/api/getProxy?api_key=45785302-3264-4694-99e1-7c6628c90e6c&get=true&country=US&protocol=http&supportsHttps=true&user-agent=true&websites=google&anonymityLevel=1")
    contents=str(r.content)
    content=contents.split(',')
    IP=content[20]
    print(IP)

    #IP=IP.replace(':','')
    IP = IP.replace('"', '')
    IP = IP.replace(',', '')
    IP = IP.replace("\n", "")
    IP = IP.replace('ipPort', …

我有一个存储在 NumPy 数组中的 0 到 1 之间的概率列表。如何隐藏这些值，以便任何 >0.5 的值都变为 1，任何 <0.5 的值都变为 0？

我所拥有的基本上是：

    model = [0.123,0.789,0.456,0.654]  

我想要的是：

    model = [0,1,0,1]

这只是将整个数组更改为 1s，我也尝试过

我尝试过使用循环来做到这一点：

for i in range(len(model)):
if i<0.5:
    model[i]=0
elif i>0.5:
    model[i]=1

这只是将整个数组更改为 1s，我也尝试过

i = 0
while i <len(model):
    if model[i] < 0.5:
        model[i] = 0
        i + 1
    elif model[i] >0.5:
        model[i] = 1
        i + 1

但这也不起作用。

我读过 stackoverflow 问题，解决方案似乎是插入完整路径，但是这样做后它给了我名称错误。我正在使用 Windows 10 python 3.7.1

这是我的代码：

from sklearn.tree import export_graphviz


export_graphviz(
        tree_clf,
        out_file = image_path("C:/Users/my_name/Desktop/iris_tree.dot"),# path where you want it to output
        feature_names=iris.feature_names[2:],
        class_names = iris.target_names,
        rounded=True,
        filled=True
)

所以我是一个初学者，但我想可视化用户在 Python 中使用 networkx 的提及。我已经使用 Twitter API 收集了我想要查看的所有推文，并将它们放入数据框架中。数据框包含有关推文的各种数据，但我最感兴趣的是用户（DF 中的 5 个用户）以及用户的推文中提到了谁。

+-------+---------------------+
|user   |mentioned_user       |
+-------+---------------------+
|user1  |jack,peter,anne      |
|user2  |sophie               |
|user2  |anne,user1           |
+-------+---------------------+

我意识到我可以使用 from_pandas_edgelist 提取我需要的数据，如下所示：

test = nx.from_pandas_edgelist(
    df,
    source='user',
    target='mentioned_user',
    edge_attr=True,
    create_using=nx.DiGraph()
)

但接下来我该怎么办？我想为每个用户绘制一个图，其中 user 和 said_user 是节点。

任何帮助是极大的赞赏！

我有一个包含 3 列的数据框：f1、f2 和分数。我想绘制一个图形（使用 NetworkX）来显示节点（在 f1 和 f2 中）和边缘值作为“分数”。我能够用节点及其名称绘制图形。但是，我无法显示边缘分数。有人可以帮忙吗？

这是我到目前为止：

import networkx as nx
import pandas as pd
import matplotlib.pyplot as plt


feature_1 = ['Boston', 'Boston', 'Chicago', 'ATX', 'NYC']
feature_2 = ['LA', 'SFO', 'LA', 'ATX', 'NJ']
score = ['1.00', '0.83', '0.34', '0.98', '0.89']

df = pd.DataFrame({'f1': feature_1, 'f2': feature_2, 'score': score})
print(df)

G = nx.from_pandas_edgelist(df=df, source='feature_1', target='feature_2', edge_attr='score')
pos = nx.spring_layout(G)
nx.draw(G, pos, with_labels=True)

#nx.draw_networkx_edge_labels(G, pos, edge_labels=labels)

plt.show()