使用NetworkX和Matplotlib动画化网络增长

小编典典

使用NetworkX和Matplotlib动画化网络增长

python

我想动画一个随时间增长的图形。

这是我到目前为止所拥有的：

fig = plt.figure()
ims = []
graph = nx.Graph()
for i in range(50):
    // Code to modify Graph
    nx.draw(graph, pos=nx.get_node_attributes(graph,'Position'))
    im = plt.draw()
    self.ims.append([im])
ani = animation.ArtistAnimation(fig, ims, interval=50, blit=True,repeat_delay=1000)
ani.save('dynamic_images.mp4')
plt.show()

但是，我收到以下错误消息：

 File "main.py", line 204, in <module>
    repeat_delay=1000)
  File "/usr/lib/pymodules/python2.7/matplotlib/animation.py", line 356, in __init__
    TimedAnimation.__init__(self, fig, *args, **kwargs)
  File "/usr/lib/pymodules/python2.7/matplotlib/animation.py", line 304, in __init__
    Animation.__init__(self, fig, event_source=event_source, *args, **kwargs)
  File "/usr/lib/pymodules/python2.7/matplotlib/animation.py", line 53, in __init__
    self._init_draw()
  File "/usr/lib/pymodules/python2.7/matplotlib/animation.py", line 363, in _init_draw
    artist.set_visible(False)
AttributeError: 'NoneType' object has no attribute 'set_visible'
nicomoto@nicomoto-VirtualBox:~/Desktop/CS8903-SpecialProblem/Code/

我想要的是一个动画，您可以在其中看到图形的增长。我可以在每个阶段保存图形，也许可以在matplotlib之外创建动画，但是有什么办法可以使它像这样工作吗？

阅读 224

2020-12-20

共1个答案

小编典典

经过审查，该代码与该问题的相关性不如我想象的那样。但是，我能够使用该SO答案和该SO答案为您拼凑出一个答案。以下代码将创建一个图，向其中添加50个随机节点和50个随机边，并在添加每个节点和边后显示图的图像。代码中的一些关键更改：

该代码基于使用pylab.ion()（请参阅此处以获取更多信息）。
您的代码尝试使用一个图形并更改其中的图像。此代码为每个帧创建一个新图形。
此代码不会写到.mp4。如果您确实需要这样做，我建议您在渲染图形时将图形写到.png文件中，然后再转换为mp4。
请注意，此代码使用matplotlib.pyplot.pause()代替time.sleep()。如果使用，这些数字将不会显示time.sleep()。

祝好运！

import random
import pylab
from matplotlib.pyplot import pause
import networkx as nx
pylab.ion()

graph = nx.Graph()
node_number = 0
graph.add_node(node_number, Position=(random.randrange(0, 100), random.randrange(0, 100)))

def get_fig():
    global node_number
    node_number += 1
    graph.add_node(node_number, Position=(random.randrange(0, 100), random.randrange(0, 100)))
    graph.add_edge(node_number, random.choice(graph.nodes()))
    fig = pylab.figure()
    nx.draw(graph, pos=nx.get_node_attributes(graph,'Position'))
    return fig

num_plots = 50;
pylab.show()

for i in range(num_plots):

    fig = get_fig()
    fig.canvas.draw()
    pylab.draw()
    pause(2)
    pylab.close(fig)

2020-12-20