使用cairocffi绘制Leiden算法社区划分结果的cairo库报错问题问询

你遇到的报错本质是仅安装了cairo的Python绑定库，未安装操作系统层面的cairo动态链接库，cairocffi/pycairo运行时依赖系统的cairo库文件，缺少就会抛出上述找不到库的错误。

第一步：安装系统层面cairo依赖 #

根据你使用的操作系统执行对应操作：

• Windows系统：推荐使用conda包管理器执行 conda install cairo pycairo，自动完成系统库和Python绑定的配置，无需手动处理dll路径
• MacOS系统：先通过Homebrew执行 brew install cairo 安装系统库，再执行 pip install pycairo 安装Python绑定
• Linux（Debian/Ubuntu系）：先执行 sudo apt install libcairo2-dev 安装系统依赖，再执行 pip install pycairo
• Linux（CentOS/RHEL系）：先执行 sudo yum install cairo-devel 安装系统依赖，再执行 pip install pycairo

第二步：修正运行代码 #

你的原始代码存在两处可优化点：无需手动导入cairocffi，igraph会自动调用可用的cairo绑定；缺少networkx的导入声明。修正后可运行代码如下：

import networkx as nx
import igraph as ig
import leidenalg as la

# 加载测试网络
G = nx.karate_club_graph()
# 转换为igraph支持的格式
G_ig = ig.Graph.from_networkx(G)
# Leiden算法社区检测
partition = la.find_partition(G_ig, la.ModularityVertexPartition)
# 可视化输出，指定target参数直接保存为图片可避免GUI依赖问题
ig.plot(partition, target="community_result.png")

如果不想配置cairo环境，可直接将社区检测结果转回networkx进行可视化，无需cairo依赖：

import networkx as nx
import matplotlib.pyplot as plt
import leidenalg as la
import igraph as ig

G = nx.karate_club_graph()
G_ig = ig.Graph.from_networkx(G)
partition = la.find_partition(G_ig, la.ModularityVertexPartition)

# 给每个节点添加社区标签
community_map = {}
for comm_id, nodes in enumerate(partition):
    for node in nodes:
        community_map[G_ig.vs[node]["_nx_name"]] = comm_id
nx.set_node_attributes(G, community_map, "community")

# 用matplotlib绘制
pos = nx.spring_layout(G, seed=42)
nx.draw_networkx_nodes(G, pos, node_color=list(community_map.values()), cmap=plt.cm.tab10)
nx.draw_networkx_edges(G, pos, alpha=0.5)
nx.draw_networkx_labels(G, pos)
plt.axis("off")
plt.savefig("community_result.png")
plt.show()

内容的提问来源于stack exchange，提问作者V_sqrt