Python 可视化

编写 Python 代码以使用示例数据直观呈现加权有向图

在对 Cloud 控制台使用不同参数值时,或通过直接调用 Vertex AI API,您可以直接查询模型,并测试返回的结果。

提示自由格式

编写 Python 代码以使用 matplotlib 和 networkx 绘制有向图。展示如何将代码与一些示例数据搭配使用。包含所有必要的 import 语句。

响应


import matplotlib.pyplot as plt
import networkx as nx

# Example data: a directed graph with nodes and edges
nodes = ['A', 'B', 'C', 'D', 'E']
edges = [('A', 'B'), ('A', 'C'), ('B', 'D'), ('C', 'E'), ('D', 'E')]

# Create a directed graph object
graph = nx.DiGraph()

# Add nodes to the graph
graph.add_nodes_from(nodes)

# Add edges to the graph
graph.add_edges_from(edges)

# Draw the graph using matplotlib
nx.draw(graph, with_labels=True, node_color='lightblue', node_size=500, font_size=10, arrowsize=20)

# Display the graph
plt.show()

说明:

  1. 导入必要的库
  2. matplotlib.pyplot,用于绘制图表。
  3. networkx,用于创建和操控图表。

  4. 定义示例数据:

  5. nodes:节点名称列表。

  6. edges:表示有向边缘的元组列表,其中每个元组为(源节点、目标节点)。

  7. 创建有向图对象:

  8. graph = nx.DiGraph():创建一个空的有向图对象。

  9. 添加节点和边缘:

  10. graph.add_nodes_from(nodes):将 nodes 列表中的所有节点添加到图中。

  11. graph.add_edges_from(edges):将 edges 列表中的所有边缘添加到图中。

  12. 绘制图表:

  13. nx.draw(graph, ...):使用 matplotlib 绘制图。

  14. with_labels=True:显示节点标签。

  15. node_color='lightblue':将节点颜色设置为浅蓝色。

  16. node_size=500:设置节点大小。

  17. font_size=10:设置标签的字体大小。

  18. arrowsize=20:设置边缘的箭头大小。

  19. 显示图表:

  20. plt.show():显示已绘制的图表。

输出:

此代码将生成包含指定节点和边缘的有向图。这些节点将添加标签、标为浅蓝色,并由表示边缘方向的箭头连接。

型号: gemini-1.5-flash-preview-0514
温度: 1
输出令牌数量上限: 8192
TopK: 40
TopP: 0.95