如何在NetworkX中绘图并依据边介数中心性设置边透明度？

问题描述 #

我尝试使用NetworkX绘制图，同时计算每条边的边介数中心性，并以此为每条边设置不同的透明度。我的代码如下：

G = nx.gnp_random_graph(10,0.5) 

options = {
    'node_color':'black',
    'node_size':1,
    'alpha':0.2
}

edge_betweenness_centrality(G)

nx.draw(G,**options)
plt.show()

第一行代码用于生成包含10个节点的随机图，edge_betweenness_centrality(G)用于计算每条边的边介数中心性，输出是一个以边为键、介数值为值的字典。我希望利用上述计算结果为每条边设置不同的透明度，但目前仅能通过代码中的'alpha':0.2统一设置透明度，请问该如何实现需求？

解决方案 #

要实现每条边根据介数中心性设置不同透明度，需要分开绘制节点和边——因为nx.draw()的alpha参数是全局生效的，无法单独控制边的透明度。具体步骤如下：

1. 计算并存储边介数中心性结果
2. 将介数值归一化到0-1区间（确保透明度差异更直观）
3. 分别用nx.draw_networkx_nodes()和nx.draw_networkx_edges()绘制节点与边，为每条边传入对应透明度值

修改后的完整代码 #

import networkx as nx
import matplotlib.pyplot as plt

# 生成随机图
G = nx.gnp_random_graph(10, 0.5)

# 计算边介数中心性，得到{边: 介数值}的字典
edge_bc = nx.edge_betweenness_centrality(G)

# 提取介数值并手动归一化到0-1区间
bc_values = list(edge_bc.values())
min_bc = min(bc_values)
max_bc = max(bc_values)
# 处理所有边介数相同的特殊情况
if max_bc == min_bc:
    normalized_bc = [1.0] * len(bc_values)
else:
    normalized_bc = [(val - min_bc)/(max_bc - min_bc) for val in bc_values]

# 设置节点绘制参数
node_options = {
    'node_color': 'black',
    'node_size': 1
}

# 生成统一布局，避免节点与边错位
pos = nx.spring_layout(G)
# 先绘制节点
nx.draw_networkx_nodes(G, pos, **node_options)
# 绘制边，为每条边分配对应的归一化透明度
nx.draw_networkx_edges(G, pos, edgelist=edge_bc.keys(), alpha=normalized_bc)

plt.show()

关键说明 #

• pos = nx.spring_layout(G)：提前生成节点布局坐标，保证节点和边使用同一位置系统，避免错位
• nx.draw_networkx_edges()的alpha参数支持传入列表，列表中每个元素对应edgelist中每条边的透明度值
• 归一化操作是为了放大介数值的差异，避免因原始介数值过小导致所有边透明度几乎一致的问题

内容的提问来源于stack exchange，提问作者happy