选择顶点和边¶

想象一下，在给定的社交网络中，您想找出谁具有最大的度或介数中心性。您可以使用迄今为止介绍的工具和一些基本的 Python 知识来做到这一点，但由于根据属性或结构属性选择顶点和边是一项常见的任务，因此 igraph 为您提供了一种更简单的方法。

>>> g.vs.select(_degree=g.maxdegree())["name"]
['Claire']

对于第一眼来看，该语法可能看起来有点笨拙，因此让我们尝试逐步解释它。select() 是 VertexSeq 的一种方法，其唯一目的是根据单个顶点的属性筛选 VertexSeq。它筛选顶点的方式取决于它的位置参数和关键字参数。位置参数（没有显式名称的参数，如上面的 _degree）始终在关键字参数之前按以下方式处理。

• 如果第一个位置参数是 None，则返回一个空序列（不包含任何顶点）。

  >>> seq = g.vs.select(None)
  >>> len(seq)
  0
  

• 如果第一个位置参数是可调用对象（即函数、绑定方法或任何行为类似于函数的对象），则将为当前序列中的每个顶点调用该对象。如果函数返回 True，则将包括该顶点，否则将排除该顶点。

  >>> graph = ig.Graph.Full(10)
  >>> only_odd_vertices = graph.vs.select(lambda vertex: vertex.index % 2 == 1)
  >>> len(only_odd_vertices)
  5
  

• 如果第一个位置参数是可迭代对象（即列表、生成器或任何可以迭代的对象），则它必须返回整数，并且这些整数将被视为当前顶点集（不一定是整个图）的索引。只有匹配给定索引的那些顶点才会包含在筛选的顶点集中。浮点数、字符串、无效的顶点 ID 将被静默忽略。

  >>> seq = graph.vs.select([2, 3, 7])
  >>> len(seq)
  3
  >>> [v.index for v in seq]
  [2, 3, 7]
  >>> seq = seq.select([0, 2])         # filtering an existing vertex set
  >>> [v.index for v in seq]
  [2, 7]
  >>> seq = graph.vs.select([2, 3, 7, "foo", 3.5])
  >>> len(seq)
  3
  

• 如果第一个位置参数是一个整数，则所有剩余的参数也应为整数，并且它们被解释为当前顶点集的索引。这只是语法糖，您可以通过将列表作为第一个位置参数传递来实现等效的效果，但这样您可以省略方括号。

  >>> seq = graph.vs.select(2, 3, 7)
  >>> len(seq)
  3
  

关键字参数可用于根据顶点的属性或结构属性筛选顶点。每个关键字参数的名称应最多由两部分组成：属性或结构属性的名称以及筛选运算符。可以省略运算符；在这种情况下，我们自动假定相等运算符。可能性如下（其中 name 表示属性或属性的名称）。

例如，以下命令可为您提供我们假想社交网络中年龄小于 30 岁的人。

>>> g.vs.select(age_lt=30)

为了节省您的一些输入，如果您愿意，您甚至可以省略 select() 方法。

>>> g.vs(age_lt=30)

从理论上讲，可能会存在具有相同名称的属性和结构属性（例如，您可以具有名为 degree 的顶点属性）。在这种情况下，我们将无法确定用户是指 degree 作为结构属性还是顶点属性。为了消除这种歧义，结构属性名称必须始终以一个下划线 (_) 开头，以便用于筛选。例如，要查找度大于 2 的顶点。

>>> g.vs(_degree_gt=2)

还有一些特殊的结构属性用于选择边。

• 在 EdgeSeq.select() 的关键字参数列表中使用 _source 或 _from 会根据边的源顶点进行筛选。例如，要选择所有源自 Claire（具有顶点索引 2）的边。

  >>> g.es.select(_source=2)
  

• 使用 _target 或 _to 会根据目标顶点进行筛选。如果图是有向图，这与 _source 和 _from 不同。

• _within 接受 VertexSeq 对象或顶点索引的列表或集合，并选择所有源自并在给定顶点集中终止的边。例如，以下表达式选择 Claire（顶点索引 2）、Dennis（顶点索引 3）和 Esther（顶点索引 4）之间的所有边。

  >>> g.es.select(_within=[2,3,4])
  

  我们也可以使用 VertexSeq 对象。

  >>> g.es.select(_within=g.vs[2:5])
  

• _between 接受一个元组，该元组由两个 VertexSeq 对象或包含顶点索引或 Vertex 对象的列表，并选择所有源自其中一个集合并在另一个集合中终止的边。例如，要选择所有将男人连接到女人的边。

  >>> men = g.vs.select(gender="m")
  >>> women = g.vs.select(gender="f")
  >>> g.es.select(_between=(men, women))
  

查找具有某些属性的单个顶点或边¶

在许多情况下，我们正在寻找图中具有某些属性的单个顶点或边，或者我们不关心返回哪个匹配项（如果存在多个匹配项），或者我们事先知道只有一个匹配项。一个典型的例子是在 name 属性中按名称查找顶点。VertexSeq 和 EdgeSeq 对象为此类用例提供了 find() 方法。find() 的工作方式与 select() 类似，但如果存在多个匹配项，则仅返回第一个匹配项，如果没有找到匹配项，则抛出异常。例如，要查找对应于 Claire 的顶点，可以这样做。

>>> claire = g.vs.find(name="Claire")
>>> type(claire)
igraph.Vertex
>>> claire.index
2

查找未知名称将产生异常。

>>> g.vs.find(name="Joe")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: no such vertex

按名称查找顶点¶

按名称查找顶点是一个非常常见的操作，并且通常比记住图中顶点的 ID 更容易记住其名称。为此，igraph 特殊对待顶点的 name 属性；它们被索引，以便可以在摊销的常数时间内通过其名称查找顶点。为了使事情变得更容易，igraph 接受顶点名称（几乎）在它期望顶点 ID 的任何位置，并且还接受顶点名称的集合（列表、元组等）在它期望顶点 ID 列表或 VertexSeq 实例的任何位置。例如，您可以简单地按如下方式查找 Dennis 的度（连接数）。

>>> g.degree("Dennis")
3

或者，也可以。

>>> g.vs.find("Dennis").degree()
3

顶点名称和 ID 之间的映射由 igraph 在后台透明地维护；每当图发生更改时，igraph 也会更新内部映射。但是，不强制执行顶点名称的唯一性；您可以轻松地创建一个图中两个顶点具有相同名称，但是当您按名称查找它们时，igraph 只会返回其中一个，另一个只能通过其索引获得。

布局算法¶

igraph 中的布局方法位于 Graph 对象中，并且总是以 layout_ 开头。下表总结了它们

布局算法可以直接调用，也可以使用名为 layout() 的通用布局方法

>>> layout = g.layout_kamada_kawai()
>>> layout = g.layout("kamada_kawai")

layout() 方法的第一个参数必须是布局算法的简称（参见上表）。所有剩余的位置参数和关键字参数都将完整地传递给所选的布局方法。例如，以下两个调用是完全等效的

>>> layout = g.layout_reingold_tilford(root=[2])
>>> layout = g.layout("rt", [2])

布局方法返回一个 Layout 对象，其行为主要类似于列表的列表。Layout 对象中的每个列表条目都对应于原始图中的一个顶点，并包含 2D 或 3D 空间中的顶点坐标。Layout 对象还包含一些有用的方法来批量平移、缩放或旋转坐标。但是，Layout 对象的主要用途是，您可以将它们与图一起传递给 plot() 函数以获得 2D 图形。

使用布局绘制图形¶

例如，我们可以使用 Kamada-Kawai 布局算法绘制我们想象中的社交网络，如下所示

>>> layout = g.layout("kk")
>>> ig.plot(g, layout=layout)

这将打开一个外部图像查看器，显示网络的视觉表示，类似于下图中的一个（尽管由于布局不是确定性的，因此节点的确切位置可能在您的机器上有所不同）

如果你喜欢使用 matplotlib 作为绘图引擎，请创建一个坐标轴并使用 target 参数

>>> import matplotlib.pyplot as plt
>>> fig, ax = plt.subplots()
>>> ig.plot(g, layout=layout, target=ax)

嗯，到目前为止这还不太漂亮。一个简单的补充是使用名称作为顶点标签，并根据性别对顶点进行着色。默认情况下，顶点标签取自 label 属性，顶点颜色由 color 属性确定，因此我们可以简单地创建这些属性并重新绘制图形

>>> g.vs["label"] = g.vs["name"]
>>> color_dict = {"m": "blue", "f": "pink"}
>>> g.vs["color"] = [color_dict[gender] for gender in g.vs["gender"]]
>>> ig.plot(g, layout=layout, bbox=(300, 300), margin=20)  # Cairo backend
>>> ig.plot(g, layout=layout, bbox=(300, 300), margin=20, target=ax)  # matplotlib backend

请注意，我们只是在这里重用之前的布局对象，但我们也指定我们需要一个较小的绘图（300 x 300 像素）和图形周围更大的边距以适应标签（20 像素）。结果是

对于 matplotlib

除了将视觉属性指定为顶点和边的属性外，你还可以将它们作为关键字参数传递给 plot()

>>> color_dict = {"m": "blue", "f": "pink"}
>>> ig.plot(g, layout=layout, vertex_color=[color_dict[gender] for gender in g.vs["gender"]])

如果你想将图形的视觉表示属性与图形本身分开，则最好采用后一种方法。你可以简单地设置一个 Python 字典，其中包含你将传递给 plot() 的关键字参数，然后使用双星号 (**) 运算符将你的特定样式属性传递给 plot()

>>> visual_style = {}
>>> visual_style["vertex_size"] = 20
>>> visual_style["vertex_color"] = [color_dict[gender] for gender in g.vs["gender"]]
>>> visual_style["vertex_label"] = g.vs["name"]
>>> visual_style["edge_width"] = [1 + 2 * int(is_formal) for is_formal in g.es["is_formal"]]
>>> visual_style["layout"] = layout
>>> visual_style["bbox"] = (300, 300)
>>> visual_style["margin"] = 20
>>> ig.plot(g, **visual_style)

最终的绘图显示了粗线的正式联系，而细线的非正式联系

总而言之：有一些特殊的顶点和边属性对应于图形的视觉表示。这些属性会覆盖 igraph 的默认设置（有关覆盖系统范围的默认设置，请参见 配置）。此外，提供给 plot() 的适当关键字参数将覆盖由顶点和边属性提供的视觉属性。以下两个表分别总结了顶点和边最常用的视觉属性

控制图形绘图的顶点属性¶

控制图形绘图的边属性¶

plot() 的通用关键字参数¶

这些设置可以指定为 plot() 函数的关键字参数，以控制绘图的整体外观。

在绘图中指定颜色¶

igraph 可以在任何需要颜色（例如，各个属性中的边、顶点或标签颜色）的地方理解以下颜色规范

X11 颜色名称

有关完整列表，请参见 Wikipedia 中的 X11 颜色名称列表。或者，你可以查看 igraph.drawing.colors.known_colors 字典的键。颜色名称在 igraph 中不区分大小写，因此“DarkBlue”也可以写成“darkblue”。

CSS 语法中的颜色规范

这是一个字符串，采用以下格式之一（其中 R、G 和 B 分别表示红色、绿色和蓝色分量）

• #RRGGBB，分量范围为十六进制格式的 0 到 255。示例："#0088ff"。

• #RGB，分量范围为十六进制格式的 0 到 15。示例："#08f"。

• rgb(R, G, B)，分量范围为 0 到 255 或 0% 到 100%。示例："rgb(0, 127, 255)" 或 "rgb(0%, 50%, 100%)"。

范围 0-1 中的 RGB 值列表或元组

示例：(1.0, 0.5, 0) 或 [1.0, 0.5, 0]。

保存绘图¶

通过要求 plot() 函数将绘图保存到文件中而不是在屏幕上显示，可以使用 igraph 创建出版质量的绘图。只需在图形本身之后传递目标文件名作为附加参数即可完成此操作。首选格式是从扩展名推断出来的。igraph 可以保存到 Cairo 支持的任何格式，包括 SVG、PDF 和 PNG 文件。如果需要，SVG 或 PDF 文件稍后可以转换为 PostScript (.ps) 或 Encapsulated PostScript (.eps) 格式，而 PNG 文件可以转换为 TIF (.tif)

>>> ig.plot(g, "social_network.pdf", **visual_style)

如果使用 matplotlib 后端，则可以像往常一样保存绘图

>>> fig, ax = plt.subplots()
>>> ig.plot(g, **visual_style)
>>> fig.savefig("social_network.pdf")

matplotlib 支持多种文件格式。