神经网络图形绘制

在python机器学习中会遇到各种各样的神经网络图形,以下为例子:

"""======================

Betweenness Centrality

======================

Betweenness centrality measures of positive gene functional associations

using WormNet v.3-GS.

Data from: https://www.inetbio.org/wormnet/downloadnetwork.php

"""

from random import sample

import networkx as nx

import matplotlib.pyplot as plt

Gold standard data of positive gene functional associations

from https://www.inetbio.org/wormnet/downloadnetwork.php

G = nx.read_edgelist("D:/OneDrive - stu.fynu.edu.cn/Gephi/WormNet.v3.benchmark.txt")

remove randomly selected nodes (to make example fast)

num_to_remove = int(len(G) / 1.5)

nodes = sample(list(G.nodes), num_to_remove)

G.remove_nodes_from(nodes)

remove low-degree nodes

low_degree = [n for n, d in G.degree() if d < 10]

G.remove_nodes_from(low_degree)

largest connected component

components = nx.connected_components(G)

largest_component = max(components, key=len)

H = G.subgraph(largest_component)

compute centrality

centrality = nx.betweenness_centrality(H, k=10, endpoints=True)

compute community structure

lpc = nx.community.label_propagation_communities(H)

community_index = {n: i for i, com in enumerate(lpc) for n in com}

draw graph

fig, ax = plt.subplots(figsize=(20, 15))

pos = nx.spring_layout(H, k=0.15, seed=4572321)

node_color = [community_index[n] for n in H]

node_size = [v * 20000 for v in centrality.values()]

nx.draw_networkx(

H,

pos=pos,

with_labels=False,

node_color=node_color,

node_size=node_size,

edge_color="gainsboro",

alpha=0.4,

)

Title/legend

font = {"color": "k", "fontweight": "bold", "fontsize": 20}

ax.set_title("Gene functional association network (C. elegans)", font)

Change font color for legend

font["color"] = "r"

ax.text(

0.80,

0.10,

"",

#"node color = community structure",

horizontalalignment="center",

transform=ax.transAxes,

fontdict=font,

)

ax.text(

0.80,

0.06,

"",

#"node size = betweenness centrality",

horizontalalignment="center",

transform=ax.transAxes,

fontdict=font,

)

Resize figure for label readability

ax.margins(0.1, 0.05)

fig.tight_layout()

plt.axis("off")

plt.savefig("D:/OneDrive - stu.fynu.edu.cn/Gephi/WormNet.v3.benchmark.png")

plt.show()

这样绘制出图形如下:

相关推荐
TomcatLikeYou9 分钟前
概率论中的基本定义(事件,期望,信息量,香农熵等)
深度学习·机器学习·概率论
m0_751336395 小时前
深度学习驱动的流体力学计算前沿技术体系
人工智能·深度学习·机器学习·新能源·fluent·航空航天·流体力学
点云SLAM9 小时前
Pytorch中gather()函数详解和实战示例
人工智能·pytorch·python·深度学习·机器学习·计算视觉·gather函数
猫头虎-人工智能12 小时前
数学基础(线性代数、概率统计、微积分)缺乏导致概念难以理解问题大全
人工智能·opencv·线性代数·机器学习·计算机视觉·数据挖掘·语音识别
神经星星13 小时前
MIT 团队利用大模型筛选 25 类水泥熟料替代材料,相当于减排 12 亿吨温室气体
人工智能·深度学习·机器学习
用户05956611920915 小时前
Java 17 + 特性与现代开发技术实操应用详解
java·机器学习·代码规范
AI妈妈手把手16 小时前
K-means++:让K-means“聪明”地选择初始中心点
算法·机器学习·kmeans·聚类算法·技术分享·python实现·k-means++
大模型铲屎官17 小时前
【深度学习-Day 29】PyTorch模型持久化指南:从保存到部署的第一步
人工智能·pytorch·python·深度学习·机器学习·大模型·llm
人类发明了工具18 小时前
【强化学习】PPO(Proximal Policy Optimization,近端策略优化)算法
人工智能·算法·机器学习·ppo·近端策略优化算法
IT古董19 小时前
【第二章:机器学习与神经网络概述】01.聚类算法理论与实践-(3)DBSCAN 聚类算法
神经网络·算法·机器学习