Python 可视化

编写 Python 代码来使用加权有向图直观呈现示例数据

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Freeform

编写 Python 代码，使用 matplotlib 和 networkx 绘制有向图。展示如何将代码与一些示例数据结合使用。添加所有必要的导入语句。

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：表示有向边的元组列表，其中每个元组都是（源节点、目标节点）。

  7. 创建有向图对象：

  8. graph = nx.DiGraph()：创建空的有向图对象。

  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 绘制图表。

  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-001
温度： 1
输出令牌数量上限： 8192
TopK： 40
TopP： 0.95