如何在Python中绘制顶点高度对应成本的3D有向图？

核心思路 #

借助NetworkX构建图结构，结合Matplotlib的3D绘图模块，将NetworkX生成的2D布局作为x、y坐标，顶点成本值作为z轴高度，分别绘制边和顶点，完成3D可视化。

完整代码实现 #

import networkx as nx
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 定义图的顶点、边和成本
V = [1, 2, 3, 4, 5]
E = {
    1: [2, 3, 4],
    2: [1, 2, 3],
    3: [1, 4, 5],
    4: [5],
    5: [1, 3]
}
c = [81, 23, 43, 22, 100]

# 1. 创建有向图并添加顶点和边
G = nx.DiGraph()
G.add_nodes_from(V)
for u, neighbors in E.items():
    for v in neighbors:
        G.add_edge(u, v)

# 2. 获取顶点的2D布局坐标（x, y），作为3D的x、y轴基础
pos_2d = nx.spring_layout(G, seed=42)  # seed固定布局，保证复现性

# 3. 建立顶点到z轴高度（成本）的映射
z_dict = {v: c[v-1] for v in V}  # 顶点编号从1开始，对应成本列表的索引0

# 4. 创建3D绘图对象
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')

# 5. 绘制边：遍历每条边，连接两个顶点的3D坐标
for u, v in G.edges():
    x_u, y_u = pos_2d[u]
    z_u = z_dict[u]
    x_v, y_v = pos_2d[v]
    z_v = z_dict[v]
    ax.plot([x_u, x_v], [y_u, y_v], [z_u, z_v], color='#999999', linewidth=1.5)

# 6. 绘制顶点：用散点表示，z轴高度为对应成本
x_coords = [pos_2d[v][0] for v in V]
y_coords = [pos_2d[v][1] for v in V]
z_coords = [z_dict[v] for v in V]
ax.scatter(x_coords, y_coords, z_coords, s=500, c=z_coords, cmap='viridis', edgecolors='black')

# 7. 添加顶点标签（显示顶点编号和对应成本）
for v in V:
    x, y = pos_2d[v]
    z = z_dict[v]
    ax.text3D(x, y, z + 2,
              f"{v}\n(c={z_dict[v]})",
              ha='center', va='center', fontsize=10)

# 8. 设置坐标轴和标题
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.set_zlabel('顶点成本')
ax.set_title('有向图3D可视化（顶点高度对应成本）')

# 调整视角，优化查看效果
ax.view_init(elev=30, azim=45)

plt.show()

关键细节说明 #

• 固定布局：spring_layout的seed参数固定后，每次运行的2D布局一致，3D可视化效果可稳定复现。
• 成本映射逻辑：顶点编号从1起始，成本列表c从索引0起始，因此用v-1关联顶点与对应成本值。
• 边的样式：默认用灰色线段绘制边，若需显示有向箭头，可将ax.plot替换为ax.quiver，并调整箭头大小、长度等参数优化显示效果。
• 顶点样式：散点大小、颜色映射可按需调整，cmap='viridis'会让成本越高的顶点颜色越深，直观区分成本差异。

内容的提问来源于stack exchange，提问作者Anon