Dessiner le graphe dans NetworkX

Ajouter à la fin:

plt.show()

---

import networkx as nx
import matplotlib.pyplot as plt
g1 = nx.petersen_graph()
nx.draw(g1)
plt.show()

Lorsqu'il est exécuté à partir d'un shell interactif où plt.ion() a été appelé, le plt.show() n'est pas nécessaire. C'est probablement pourquoi il est omis dans beaucoup d'exemples.

Si vous exécutez ces commandes à partir d'un script (où plt.ion() n'a pas été appelé), le plt.show() est nécessaire. plt.ion() est bon pour les sessions interactives, mais est pas recommandé pour les scripts.

Vous pouvez facilement tracer avec networkx graphiques à l'aide de jupyter ordinateur portable. Voir le premier exemple.

OU, vous pouvez utiliser Bokeh pour tracer des graphes, ce qui ajoute de nombreuses fonctionnalités utiles.
Le package holoviews rend encore plus simple à tracer des graphiques avec des effets de flou. Il ajoute des fonctionnalités comme la mise en évidence automatique et afficher des étiquettes tout en survolant les nœuds. Cependant, la modification des couleurs etc. semble être un problème.

%pylab inline  
# `pylab notebook`  # for interactive plots

import pandas as pd
import networkx as nx
import holoviews as hv

G=nx.Graph()
ndxs = [1,2,3,4]
G.add_nodes_from(ndxs)
G.add_weighted_edges_from( [(1,2,0), (1,3,1) , (1,4,-1) , (2,4,1) , (2,3,-1), (3,4,10) ] ) 
nx.draw(G, nx.spring_layout(G, random_state=100))

Et ici l'exemple avec le bokeh et holoview:

hv.extension('bokeh')
%opts Graph [width=400 height=400]
padding = dict(x=(-1.1, 1.1), y=(-1.1, 1.1))
hv.Graph.from_networkx(G, nx.layout.spring_layout).redim.range(**padding)

Vous devez lui donner un essai et de l'intrigue dans votre ordinateur portable pour voir la différence.