无需指定每个节点位置，能否用Plotly绘制NetworkX图？

我有一个大型NetworkX MultiDiGraph图G（示例图如下）：

可以执行NetworkX的常规操作，例如：

print(len(G.nodes())) # 示例包含72个节点

图的构建代码如下：

G = nx.MultiDiGraph()
for subj, obj, rel in triples_list:
    G.add_edge(subj, obj, label=rel) # subj = 节点1, obj = 节点2, rel = 关系/边名称

尝试用Plotly绘制该图时，发现教程要求为每个节点指定位置。找到的方法都是给定位置列表或手动指定，但我没有位置列表，也不关心节点的具体位置（只希望节点尽量分散以方便可视化），手动标注72个节点的位置并不现实。

解决方案：利用NetworkX布局算法自动生成节点位置 #

NetworkX内置多种布局算法，可自动计算节点的分散位置，直接对接Plotly即可实现需求。

1. 生成节点位置 #

选择合适的布局算法，推荐spring_layout（弹簧布局，默认让节点尽量分散）或kamada_kawai_layout（更注重节点间距离均匀）：

import networkx as nx

# 弹簧布局，设置seed保证每次布局一致
pos = nx.spring_layout(G, seed=42)
# 可选：Kamada-Kawai布局，布局更均匀
# pos = nx.kamada_kawai_layout(G)

2. 转换为Plotly兼容格式 #

将NetworkX返回的位置字典（键为节点，值为(x,y)坐标）提取为Plotly需要的坐标列表：

node_x = [pos[node][0] for node in G.nodes()]
node_y = [pos[node][1] for node in G.nodes()]

3. Plotly绘制完整图 #

结合自动生成的位置，绘制包含节点、边及边标签的可视化图：

import plotly.graph_objects as go

# 节点轨迹：显示节点和节点名称
node_trace = go.Scatter(
    x=node_x, y=node_y,
    mode='markers+text',
    text=[str(node) for node in G.nodes()],
    textposition="top center",
    marker=dict(
        showscale=True,
        colorscale='YlGnBu',
        size=10,
        colorbar=dict(
            thickness=15,
            title='节点入度',
            xanchor='left',
            titleside='right'
        )
    )
)

# 边轨迹：绘制边和边关系标签
edge_traces = []
for edge in G.edges(data=True):
    x0, y0 = pos[edge[0]]
    x1, y1 = pos[edge[1]]
    rel_label = edge[2]['label']
    
    # 边的线条
    edge_line = go.Scatter(
        x=[x0, x1, None], y=[y0, y1, None],
        line=dict(width=0.5, color='#888'),
        hoverinfo='none',
        mode='lines'
    )
    
    # 边的标签（居中显示）
    edge_label = go.Scatter(
        x=[(x0+x1)/2], y=[(y0+y1)/2],
        text=[rel_label],
        mode='text',
        textfont=dict(size=8, color='#333'),
        hoverinfo='none'
    )
    
    edge_traces.append(edge_line)
    edge_traces.append(edge_label)

# 组装并显示图
fig = go.Figure(
    data=edge_traces + [node_trace],
    layout=go.Layout(
        title='<br>MultiDiGraph可视化',
        titlefont_size=16,
        showlegend=False,
        hovermode='closest',
        margin=dict(b=20, l=5, r=5, t=40),
        xaxis=dict(showgrid=False, zeroline=False, showticklabels=False),
        yaxis=dict(showgrid=False, zeroline=False, showticklabels=False)
    )
)

fig.show()

优化提示 #

• 若需固定布局，保留spring_layout的seed参数即可；
• 节点数量较多时，可调整marker.size和字体大小优化显示；
• 可根据节点属性（如入度）调整节点大小，增强信息表达：

# 根据节点入度设置节点大小
node_sizes = [G.in_degree(node) * 5 for node in G.nodes()]
# 在node_trace的marker中设置size=node_sizes

内容的提问来源于stack exchange，提问作者Penguin