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。 如需查看使用 Vertex AI API 的示例，请参阅快速入门：使用 Vertex AI API。 如需在 Cloud 控制台中查看此示例，请转到 Google Cloud 控制台

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： 导入必要的库： matplotlib.pyplot，用于绘制图表。 networkx，用于创建和操控图表。 定义示例数据： nodes：节点名称列表。 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）。 创建有向图对象： graph = nx.DiGraph()：创建一个空的有向图对象。 添加节点和边缘： graph.add_nodes_from(nodes)：将 nodes 列表中的所有节点添加到图中。 graph.add_edges_from(edges)：将 edges 列表中的所有边缘添加到图中。 绘制图表： nx.draw(graph, ...)：使用 matplotlib 绘制图。 with_labels=True：显示节点标签。 node_color='lightblue'：将节点颜色设置为浅蓝色。 node_size=500：设置节点大小。 font_size=10：设置标签的字体大小。 arrowsize=20：设置边缘的箭头大小。 显示图表： 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