如何在我的 networkx 图中显示链接的状态？ 完整代码示例：

如何解决如何在我的 networkx 图中显示链接的状态？ 完整代码示例：

我正在使用 networkx 库创建一个图形，使用邻接列表作为入口文件。这些类型的列表每行仅允许 2 个值、源和目的地（任意数量的目的地）。

我正在过滤入口文件的创建以仅添加 UP 边缘。

- before filtering :
OK node1 node10
OK node10 node99
KO node20 node99

- after filtering :
node1 node10
node10 node99

当我看我的图表时，我看不到一个节点是否从前一个节点消失了，因为我有很多。

是否可以解析我的边的状态并以虚线显示红色节点作为边？

是否可以将我的图表与理论图表进行比较，并用不同的颜色显示缺失的链接？

解决方法

可能有更快的方法，但这是我的逻辑：

G - 最终图（干净，边缘较少）
T - 理论图（原始，更多边）

首先计算理论图和最终图的边之间的差异：

diff = T.edges() - G.edges()

然后像你假装的那样绘制在这个差异内的节点和边：

if e in diff:
    for n in e:
        if n not in G:
            res.add_node(n,color="red")
        else:
            res.add_node(n,color='#1f78b4') # default networkx color
    res.add_edge(*e,style='--')

不在此差异范围内的节点和边正常绘制：

else:
    res.add_node(e[0],color = '#1f78b4') # default networkx color
    res.add_node(e[1],color = '#1f78b4')
    res.add_edge(*e,style='-')

最后，找到节点的颜色和边的样式并绘制：

colors = [u[1] for u in res.nodes(data="color")]
styles = [res[u][v]['style'] for u,v in res.edges()]
nx.draw(res,with_labels =True,node_color = colors,style = styles)

完整代码

def draw_theorethical(G,T):
    diff = T.edges() - G.edges()
    # print("Extra Edges in T",diff,"\nExtra Nodes in T",T.nodes() - G.nodes())
    res = nx.Graph()
    for e in T.edges():
        if e in diff:
            for n in e:
                if n not in G:
                    res.add_node(n,color="red")
                else:
                    res.add_node(n,color='#1f78b4') # Node invisible... default networkx color
            res.add_edge(*e,style='--')
        else:
            res.add_node(e[0],color = '#1f78b4')
            res.add_node(e[1],color = '#1f78b4')
            res.add_edge(*e,style='-')
    
    colors = [u[1] for u in res.nodes(data="color")]
    styles = [res[u][v]['style'] for u,v in res.edges()]

    nx.draw(res,style = styles)

示例：

对于两个图形，G 和 T：

T = nx.Graph()
T.add_edge("A","B")
T.add_edge("A","C")
T.add_edge("B","D")
T.add_edge("B","F")
T.add_edge("C","E")


G = nx.Graph(T)
G.remove_edge("C","E")
G.remove_node("E")

draw_theorethical(G,T)

抽奖：