如何用NetworkX绘制带经纬度节点与边标签的仓储位置图

问题背景 #

样本数据集 #

原尝试代码 #

import network as nx
import matplotlib.pyplot as plt

data = [[1, 3, 'a', 'x', '38.89-77.03', '38.91-77.05'],[3, 2, 'b', 'y', '38.91-77.05', '38.82-77.01'],[4, 1, 'c', 'z', '38.93-77.06', '38.89-77.03']]
temp = pd.DataFrame(data, columns=['src_node', 'dest_node','src_edge','dest_edge','src_lat-src_lon', 'dest_lat-dest_lon'])


def plot_graph(nodes, edges, labels=False, node_size=False, node_color='r'):    
    plt.figure(figsize=(10,10))
    G = nx.DiGraph()
    G.add_nodes_from(nodes)
    G.add_edges_from(edges)
    nx.draw(G, with_labels=labels, node_color=node_color)
    plt.show()

plot_graph(nodes=pd.unique(temp['src_node'].append(temp['dest_node'])),
           edges=[tuple(row) for row in temp[['src_node','dest_node']].values],
           labels=True,
           node_color='orange')

需求 #

• 根据经纬度值在图中排列节点
• 给箭头起点添加src_edge标签、箭头终点添加dest_edge标签
• 支持邻接关系分析

解决方案 #

完整代码 #

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

data = [[1, 3, 'a', 'x', '38.89-77.03', '38.91-77.05'],
        [3, 2, 'b', 'y', '38.91-77.05', '38.82-77.01'],
        [4, 1, 'c', 'z', '38.93-77.06', '38.89-77.03']]
temp = pd.DataFrame(data, columns=['src_node', 'dest_node','src_edge','dest_edge',
                                   'src_lat-src_lon', 'dest_lat-dest_lon'])

# 1. 构建节点经纬度位置字典
pos = {}
# 读取源节点经纬度
for idx, row in temp.iterrows():
    node = row['src_node']
    lat_lon = row['src_lat-src_lon'].split('-')
    # NetworkX绘图中x对应经度，y对应纬度，所以位置格式为(经度, 纬度)
    pos[node] = (float(lat_lon[1]), float(lat_lon[0]))
# 补全目标节点中未覆盖的经纬度
for idx, row in temp.iterrows():
    node = row['dest_node']
    if node not in pos:
        lat_lon = row['dest_lat-dest_lon'].split('-')
        pos[node] = (float(lat_lon[1]), float(lat_lon[0]))

# 2. 创建有向图并添加边属性
G = nx.DiGraph()
nodes = pd.unique(pd.concat([temp['src_node'], temp['dest_node']]))
G.add_nodes_from(nodes)
# 给边绑定src_edge和dest_edge属性
for idx, row in temp.iterrows():
    G.add_edge(row['src_node'], row['dest_node'], 
               src_edge=row['src_edge'], dest_edge=row['dest_edge'])

# 3. 绘图渲染
plt.figure(figsize=(12, 10))

# 绘制节点
nx.draw_networkx_nodes(G, pos, node_size=1500, node_color='orange', edgecolors='black')
# 绘制有向边
nx.draw_networkx_edges(G, pos, arrowstyle='->', arrowsize=20, edge_color='gray')
# 绘制节点标签
nx.draw_networkx_labels(G, pos, font_size=12, font_weight='bold')

# 绘制边起点标签（src_edge），靠近源节点
src_edge_labels = {(u, v): d['src_edge'] for u, v, d in G.edges(data=True)}
nx.draw_networkx_edge_labels(G, pos, edge_labels=src_edge_labels, 
                             label_pos=0.1, font_size=10, font_color='blue')

# 绘制边终点标签（dest_edge），靠近目标节点
dest_edge_labels = {(u, v): d['dest_edge'] for u, v, d in G.edges(data=True)}
nx.draw_networkx_edge_labels(G, pos, edge_labels=dest_edge_labels, 
                             label_pos=0.9, font_size=10, font_color='red')

plt.title('仓储位置邻接关系图', fontsize=14)
plt.axis('off')
plt.show()

# 4. 邻接关系分析示例
print("节点邻接关系：")
for node in G.nodes():
    print(f"节点{node}的出边: {list(G.out_edges(node))}")
    print(f"节点{node}的入边: {list(G.in_edges(node))}")

关键实现说明 #

• 按经纬度排列节点：
  从数据中拆分经纬度字符串并转换为数值，构建pos字典存储每个节点的地理坐标（注意NetworkX的坐标格式为(经度, 纬度)），绘图时传入该字典即可让节点按真实位置排列。

• 边标签设置：
  添加边时将src_edge和dest_edge作为边属性存入图中，分别创建两种标签字典，通过label_pos参数控制标签位置（0.1靠近源节点，0.9靠近目标节点），用颜色区分两种标签。

• 邻接关系分析：
  利用NetworkX提供的out_edges()和in_edges()方法，可直接获取每个节点的出邻接、入邻接关系，支持后续路径查找、连通性分析等操作。

原代码错误修正 #

• 导入错误：import network as nx改为import networkx as nx
• 依赖缺失：添加import pandas as pd
• 节点合并方式：temp['src_node'].append(temp['dest_node'])改为pd.concat([temp['src_node'], temp['dest_node']])（适配新版pandas）

内容的提问来源于stack exchange，提问作者skiddy