如何使用Networkx绘制仅含高中心度Top节点的网络图

原有代码无法得到预期结果，核心问题有3个：

• 传入绘图函数的是全量图对象，即便指定nodelist参数，绘图逻辑仍会带出和列表内节点相连的非目标节点，不会自动过滤无关节点、边
• 布局坐标nx.spring_layout(graph)基于全量节点计算，核心节点位置会被大量非核心节点干扰，布局松散错位
• 代码存在变量名错误：读入数据存为df，建图时却传入了未定义的data变量

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

# 读取边表数据建图
df = pd.read_csv("替换为你的文件实际路径.csv")
full_graph = nx.from_pandas_edgelist(df, source="source", target="target")

# 计算中心度，取排名前20的核心节点，可替换为任意中心度指标
centrality = nx.eigenvector_centrality(full_graph)
top20_core_nodes = sorted(centrality, key=centrality.get, reverse=True)[:20]

# 提取核心节点诱导子图：仅保留核心节点、以及核心节点之间的连边，自动过滤所有非核心内容
core_subgraph = full_graph.subgraph(top20_core_nodes)

# 基于核心子图计算布局，固定随机种子保证布局可复现
pos = nx.spring_layout(core_subgraph, seed=42)

# 按中心度值映射节点大小，数值越大节点尺寸越大
node_sizes = [centrality[node] * 3000 for node in core_subgraph.nodes()]

# 绘制网络图
plt.figure(figsize=(10, 8))
nx.draw_networkx(
    core_subgraph,
    pos=pos,
    node_size=node_sizes,
    node_color="#3b82f6",
    edge_color="#d1d5db",
    with_labels=True,
    font_size=9
)
plt.axis("off")
plt.show()

• 更换中心度指标只需替换中心度计算行代码即可：
  • 度中心度：centrality = nx.degree_centrality(full_graph)
  • 介数中心度：centrality = nx.betweenness_centrality(full_graph)
  • 接近中心度：centrality = nx.closeness_centrality(full_graph)
• 如果需要保留核心节点指向非核心节点的边、但不显示非核心节点，无需提取诱导子图，手动筛选符合条件的边列表后，在绘图时传入edgelist=筛选后的边列表、nodelist=top20_core_nodes即可
• 调整节点大小的乘数值、画布尺寸、配色参数，可以匹配不同的可视化展示需求

内容的提问来源于stack exchange，提问作者Samsudeen Bankole