力导向图筛选节点和连接

以下是一个使用Python库networkx和matplotlib来绘制力导向图，并根据条件筛选节点和连接的示例代码：

import networkx as nx
import matplotlib.pyplot as plt

# 创建一个空的无向图
G = nx.Graph()

# 添加节点
G.add_nodes_from([1, 2, 3, 4, 5])

# 添加连接
G.add_edges_from([(1, 2), (1, 3), (2, 3), (2, 4), (3, 4), (4, 5)])

# 设置节点和连接的属性
nx.set_node_attributes(G, {1: {'color': 'red'}, 2: {'color': 'blue'}, 3: {'color': 'blue'}, 4: {'color': 'green'}, 5: {'color': 'red'}})
nx.set_edge_attributes(G, {(1, 2): {'weight': 2}, (1, 3): {'weight': 1}, (2, 3): {'weight': 3}, (2, 4): {'weight': 2}, (3, 4): {'weight': 1}, (4, 5): {'weight': 2}})

# 绘制力导向图
pos = nx.spring_layout(G)
nx.draw(G, pos, with_labels=True, node_color=[G.nodes[node]['color'] for node in G.nodes], node_size=500, width=[G.edges[edge]['weight'] for edge in G.edges])

# 根据条件筛选节点和连接
filtered_nodes = [node for node in G.nodes if G.nodes[node]['color'] == 'blue']
filtered_edges = [edge for edge in G.edges if G.edges[edge]['weight'] > 1]

# 绘制经过筛选后的力导向图
filtered_G = G.subgraph(filtered_nodes + filtered_edges)
nx.draw(filtered_G, pos, with_labels=True, node_color=[filtered_G.nodes[node]['color'] for node in filtered_G.nodes], node_size=500, width=[filtered_G.edges[edge]['weight'] for edge in filtered_G.edges])

plt.show()

这段代码首先创建了一个空的无向图，并添加了节点和连接。然后设置了节点和连接的属性（这里设置了颜色和权重）。接下来使用spring_layout布局算法绘制了原始的力导向图，并根据节点的颜色和连接的权重进行了着色和线宽的设置。

然后根据条件筛选了一部分节点和连接，使用subgraph方法创建了一个新的子图，并根据筛选后的节点的颜色和连接的权重绘制了经过筛选的力导向图。

最后使用matplotlib显示绘制的图形。