当然可以用Matplotlib来实现！不过结合NetworkX库会让整个流程更省心——它专门为图结构处理设计，能和Matplotlib无缝配合，帮你快速完成可视化。下面我就用你的数据结构一步步演示：

步骤1：安装依赖 #

先装好需要的库：

pip install networkx matplotlib

步骤2：把你的数据转成NetworkX图对象 #

你的adjacency_set可以直接用来构建图。这里要注意节点编号的对应关系：假设adjacency_set[u]里的列表就是节点u的邻居（如果你的节点编号是从1开始的，就把u改成u+1就行）：

import networkx as nx
import matplotlib.pyplot as plt

# 你的原始数据
adjacency_set = [[45, 2], [1, 32], ...]  # adjacency_set[u] = 节点u的邻居列表
max_clique = [23, 143, 1, 2, 42, 12, 3, ...]

# 初始化图对象
G = nx.Graph()

# 批量添加节点和边
for node, neighbors in enumerate(adjacency_set):
    G.add_node(node)
    for neighbor in neighbors:
        G.add_edge(node, neighbor)

步骤3：可视化并高亮最大团 #

我们先画整个图作为背景，再把最大团的节点和边用显眼的颜色突出：

# 生成节点布局（seed固定布局，方便重复展示）
pos = nx.spring_layout(G, seed=42)

# 绘制背景节点和边（灰色，弱化显示）
nx.draw_networkx_nodes(G, pos, node_color='lightgray', node_size=300)
nx.draw_networkx_edges(G, pos, edge_color='gray', alpha=0.5)

# 高亮最大团的节点（用深红色）
nx.draw_networkx_nodes(G, pos, nodelist=max_clique, node_color='crimson', node_size=400)

# 高亮最大团内部的边（加粗深红色）
# 因为最大团是完全子图，理论上任意两节点都有边，但还是做个判断更稳妥
clique_edges = [(u, v) for u in max_clique for v in max_clique if u < v and G.has_edge(u, v)]
nx.draw_networkx_edges(G, pos, edgelist=clique_edges, edge_color='crimson', width=2)

# 可选：添加节点编号标签
nx.draw_networkx_labels(G, pos, font_size=10)

# 美化图表
plt.title("Graph with Maximum Clique Highlighted")
plt.axis('off')  # 隐藏坐标轴
plt.show()

额外说明 #

• 如果你的图节点数量很多，可以试试nx.kamada_kawai_layout布局，它会让节点分布更合理，减少重叠；
• 纯用Matplotlib也能实现，但需要自己计算节点位置、绘制连线，工作量大很多，所以NetworkX+Matplotlib是目前最简的方案；
• 要是想让可视化更美观，还可以调整node_size、font_size、颜色参数等，适配你的需求。

内容的提问来源于stack exchange，提问作者Wizard