如何在绘制degree_centrality图时筛选指定数值范围的节点

步骤1：筛选符合条件的节点及其度中心性值 #

通过字典推导式从全量节点的度中心性结果中，筛选出数值在0.60到0.64之间的节点：

# 获取所有节点的度中心性
all_degree = nx.degree_centrality(G)
# 筛选0.60 ≤ 度中心性 ≤ 0.64的节点
filtered_degree = {node: score for node, score in all_degree.items() if 0.60 <= score <= 0.64}

步骤2：可视化筛选后的节点 #

根据需求选择以下两种可视化方式：

方式一：仅展示筛选节点及其关联边

如果需要只呈现筛选节点构成的子图，先提取子图再调用原绘图函数：

# 提取筛选节点对应的子图
G_filtered = G.subgraph(filtered_degree.keys())
# 使用原布局绘制子图
draw(G_filtered, pos, filtered_degree, 'Degree Centrality (0.60-0.64)')

方式二：保留全图结构，高亮筛选节点

如果需要保留完整网络结构，仅突出显示目标节点，可以修改绘图函数：

def draw_filtered(G, pos, filtered_measures, measure_name):
    # 先绘制所有非目标节点为灰色
    nx.draw_networkx_nodes(G, pos, node_size=250, node_color='lightgray', 
                           nodelist=[n for n in G.nodes() if n not in filtered_measures.keys()])
    # 绘制目标节点，用度中心性值着色
    nodes = nx.draw_networkx_nodes(G, pos, node_size=300, cmap=plt.cm.plasma, 
                                   node_color=list(filtered_measures.values()),
                                   nodelist=filtered_measures.keys())
    nodes.set_norm(mcolors.SymLogNorm(linthresh=0.01, linscale=1, base=10))
    # 绘制所有边
    nx.draw_networkx_edges(G, pos)
    # 添加标题和颜色条
    plt.title(measure_name)
    plt.colorbar(nodes)
    plt.axis('off')
    plt.show()

# 调用修改后的绘图函数
draw_filtered(G, pos, filtered_degree, 'Degree Centrality (0.60-0.64 Highlighted)')

简化调用方式（仅显示筛选节点，保留全图边）

如果不需要调整非目标节点样式，直接将筛选结果传入原draw函数即可：

draw(G, pos, filtered_degree, 'Degree Centrality (0.60-0.64)')

内容的提问来源于stack exchange，提问作者Sam