如何在NetworkX图中根据节点度数对应的颜色设置边颜色？

问题分析 #

原代码的核心错误：

• edgecol未初始化就直接赋值，触发数组越界
• 使用nx.dfs_edges遍历会重复处理无向边，导致边数统计错误
• 函数返回值逻辑错误（返回函数自身而非颜色列表）

完整实现步骤 #

1. 读取CSV构建有向图 #

假设CSV格式为source,target,weight，用pandas读取后批量添加到有向图中。

2. 节点颜色按度数生成 #

基于节点总度数（有向图可选择入度/出度）生成颜色值，配合颜色映射让可视化更直观。

3. 边颜色匹配对应节点 #

通过节点-颜色映射字典，快速匹配每条边的起点（或终点）颜色，避免重复计算。

4. 高效获取节点索引与对应边 #

用字典映射节点到索引，直接通过G.edges()获取全量边，或通过G.adj[node]获取单个节点的邻边。

完整代码 #

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

# 1. 读取CSV构建有向图（实际场景替换为pd.read_csv("你的文件路径.csv")）
csv_data = pd.DataFrame({
    'source': [1, 1, 2, 2, 2, 3, 3, 4, 4, 6],
    'target': [2, 6, 3, 4, 6, 4, 5, 8, 9, 7],
    'weight': [10, 15, 20, 10, 20, 30, 15, 20, 10, 30]
})

G = nx.DiGraph()
for _, row in csv_data.iterrows():
    G.add_edge(row['source'], row['target'], weight=row['weight'])

# 2. 生成节点颜色（按总度数）
def get_node_colors(g):
    return [g.degree(node) for node in g.nodes()]

node_colors = get_node_colors(G)

# 3. 生成边颜色：匹配每条边的起点颜色
def get_edge_colors(g, node_colors):
    node_color_map = dict(zip(g.nodes(), node_colors))
    return [node_color_map[edge[0]] for edge in g.edges()]

edge_colors = get_edge_colors(G, node_colors)

# 4. 高效获取节点索引与对应边
node_to_index = {node: idx for idx, node in enumerate(G.nodes())}
# 示例：获取节点2的索引和所有出边
target_node = 2
print(f"节点{target_node}的索引: {node_to_index[target_node]}")
print(f"节点{target_node}的出边: {list(G.adj[target_node].items())}")

# 可视化
plt.figure(figsize=(10, 8))
cmap = plt.cm.viridis
nx.draw(G, 
        node_color=node_colors, 
        edge_color=edge_colors,
        with_labels=True,
        cmap=cmap,
        edge_cmap=cmap,
        node_size=1500,
        font_size=12)
plt.colorbar(plt.cm.ScalarMappable(cmap=cmap), label='节点度数')
plt.title("有向图：节点颜色按度数，边颜色匹配起点")
plt.show()

关键改进点 #

• 修复越界问题：直接遍历G.edges()生成边颜色列表，确保长度与实际边数一致
• 高效映射：用字典node_color_map实现O(1)时间复杂度的颜色查找
• 有向图适配：替换nx.Graph为nx.DiGraph满足需求
• 可视化优化：添加颜色映射条，明确度数与颜色的对应关系
• 快速查询：通过字典映射节点到索引，G.adj直接获取节点邻边，性能更优

内容的提问来源于stack exchange，提问作者bonCodigo