如何绘制含层级子图的嵌套分层结构图？

需求说明 #

基于两种偏序关系构建嵌套分层图：

• 第一种关系确立集合上的偏序，第二种关系用于无法通过第一种比较的元素，形成每层为子图的嵌套结构
• 需满足三个约束：
  1. 每个子图本身是可表示为Hasse图的分层图
  2. 顶层层级间仅在子图的顶级子层节点与下一层子图的底层子层节点间建立连接
  3. 整个图沿Y轴对称
• 可视化需支持控制两种序关系（对应节点属性A和B）在Y轴位置上的权重

示例图结构代码 #

import networkx as nx

H = nx.DiGraph()

H.add_node(0, A=0, B=0)
H.add_node(1, A=1, B=1)
H.add_node(2, A=1, B=1)
H.add_edge(0, 1)
H.add_edge(0, 2)
H.add_node(3, A=2, B=2)
H.add_node(4, A=2, B=2)
H.add_node(5, A=2, B=2)
H.add_node(6, A=2, B=2)
H.add_edge(1, 3)
H.add_edge(1, 4)
H.add_edge(2, 5)
H.add_edge(2, 6)
H.add_node(7, A=2, B=3)
H.add_node(8, A=2, B=3)
H.add_node(9, A=2, B=3)
H.add_node(10, A=2, B=3)
H.add_node(11, A=2, B=4)
H.add_node(12, A=2, B=4)
H.add_edge(3, 7)
H.add_edge(4, 8)
H.add_edge(5, 9)
H.add_edge(6, 10)
H.add_edge(7, 11)
H.add_edge(8, 11)
H.add_edge(9, 12)
H.add_edge(10, 12)
H.add_node(13, A=3, B=4)
H.add_node(14, A=3, B=4)
H.add_node(15, A=3, B=4)
H.add_node(16, A=3, B=4)
H.add_node(17, A=3, B=4)
H.add_node(18, A=3, B=4)
H.add_node(19, A=3, B=5)
H.add_node(20, A=3, B=5)
H.add_edge(11, 13)
H.add_edge(11, 14)
H.add_edge(11, 15)
H.add_edge(12, 16)
H.add_edge(12, 17)
H.add_edge(12, 18)
H.add_edge(14, 19)
H.add_edge(17, 20)
H.add_node(21, A=4, B=5)
H.add_edge(19, 21)
H.add_edge(20, 21)

当前遇到的问题 #

• 使用pygraphviz的dot布局无法保留嵌套结构，且Y轴对A、B属性权重一致，无法区分两种序关系的优先级
• 自定义Y轴位置后，存在X轴不对称、子图局部对称性不满足的问题

优化实现思路 #

1. 基于Graphviz子图维护嵌套结构+自定义坐标 #

利用Graphviz的subgraph（带cluster前缀）明确划分嵌套层级，同时手动计算节点坐标实现对称布局和权重控制：

from networkx.drawing.nx_agraph import to_agraph

# 转换为Graphviz图
G = to_agraph(H)

# 按A属性划分顶级簇子图，保证同A值节点在同一水平层
for a_val in sorted({attrs['A'] for _, attrs in H.nodes(data=True)}):
    cluster = G.add_subgraph(name=f'cluster_A{a_val}', label=f'A={a_val}')
    for node, attrs in H.nodes(data=True):
        if attrs['A'] == a_val:
            cluster.add_node(node)
    cluster.attr(rank='same')

# 在每个A簇内，按B属性划分嵌套子图
for a_val in sorted({attrs['A'] for _, attrs in H.nodes(data=True)}):
    parent_cluster = G.get_subgraph(f'cluster_A{a_val}')
    for b_val in sorted({attrs['B'] for _, attrs in H.nodes(data=True) if attrs['A'] == a_val}):
        sub_cluster = parent_cluster.add_subgraph(name=f'cluster_A{a_val}_B{b_val}', label=f'B={b_val}')
        for node, attrs in H.nodes(data=True):
            if attrs['A'] == a_val and attrs['B'] == b_val:
                sub_cluster.add_node(node)
        sub_cluster.attr(rank='same')

# 自定义Y轴权重与对称X坐标
weight_A = 2  # 第一种序关系权重
weight_B = 1  # 第二种序关系权重
for node, attrs in H.nodes(data=True):
    # 计算Y坐标：加权组合A和B
    y_pos = weight_A * attrs['A'] + weight_B * attrs['B']
    # 同(A,B)组的节点分配对称X坐标
    same_group = [n for n, n_attrs in H.nodes(data=True) if n_attrs['A'] == attrs['A'] and n_attrs['B'] == attrs['B']]
    group_size = len(same_group)
    idx = same_group.index(node)
    # 根据分组数量奇偶性生成对称X值
    if group_size % 2 == 1:
        x_pos = (idx - group_size//2) * 2
    else:
        x_pos = (idx - group_size/2 + 0.5) * 2
    # 强制设置节点位置
    G.get_node(node).attr(pos=f"{x_pos},{y_pos}!")

# 设置全局布局属性
G.attr(splines='ortho', rankdir='TB', concentrate=True, fontsize=10)
# 保存渲染结果
G.draw('nested_hasse.png', format='png', prog='dot')

2. 对称布局细节处理 #

• 同(A,B)组的节点按数量奇偶性分配X坐标，确保局部子图对称
• 使用splines='ortho'让边保持直角，符合Hasse图的简洁风格
• rankdir='TB'保证Y轴向下为层级递增，可改为BT实现向上递增

3. 替代方案：Matplotlib手动绘制 #

若Graphviz的约束难以满足，可直接用Matplotlib自定义计算位置并绘制：

import matplotlib.pyplot as plt

# 计算节点位置字典
pos = {}
weight_A = 2
weight_B = 1

# 按(A,B)分组处理节点
groups = {}
for node, attrs in H.nodes(data=True):
    key = (attrs['A'], attrs['B'])
    groups.setdefault(key, []).append(node)

# 为每个分组分配对称坐标
for (a, b), nodes in groups.items():
    y = -(weight_A * a + weight_B * b)  # 负号让Y轴向上递增
    group_size = len(nodes)
    # 生成对称X值
    if group_size % 2 == 1:
        xs = list(range(-group_size//2, group_size//2 + 1))
    else:
        xs = [i - group_size/2 + 0.5 for i in range(group_size)]
    # 分配坐标
    for idx, node in enumerate(nodes):
        pos[node] = (xs[idx], y)

# 绘制图
plt.figure(figsize=(10, 8))
nx.draw_networkx_nodes(H, pos, node_size=600, node_color='lightblue')
nx.draw_networkx_edges(H, pos, edgelist=H.edges(), arrows=True, arrowstyle='->', min_target_margin=10)
nx.draw_networkx_labels(H, pos, font_size=10)
plt.axis('off')
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Rafa