因此,我创建了一种非常简单(可能效率低下)的生成哈希图的方法。

问题:

我有4个维度。

我想均匀地显示它(tesseract),但我不知道如何重塑它。 如何在Python中重塑networkx图?

我已经看到了一些使用pq的人的示例,但是由于它们不统一,因此无法按照我的方式进行调整。

是否可以重塑图形并使其统一? (即,将我的哈希图重塑为tesseract形状(最好使用r)

这是我目前的样子:

这是我的代码,用于生成N维的哈希图

#!/usr/bin/python

import networkx as nx
import matplotlib.pyplot as plt
import itertools

H = nx.DiGraph()

axis_labels = ['p','q','r','s']

D_len_node = {}

#Iterate through axis labels
for i in xrange(0,len(axis_labels)+1):
    #Create edge from empty set
    if i == 0:
        for ax in axis_labels:
            H.add_edge('O',ax)
    else:
        #Create all non-overlapping combinations
        combinations = [c for c in itertools.combinations(axis_labels,i)]
        D_len_node[i] = combinations
    #Create edge from len(i-1) to len(i) #eg. pq >>> pqr, pq >>> pqs
    if i > 1:
        for node in D_len_node[i]:
            for p_node in D_len_node[i-1]:
                #if set.intersection(set(p_node),set(node)): Oops
                if all(p in node for p in p_node) == True: #should be this!
                    H.add_edge(''.join(p_node),''.join(node))

#Show Plot
nx.draw(H,with_labels = True,node_shape = 'o')
plt.show()

我想像这样重塑它:

如果有人知道制作Hasse图的简便方法,请分享一些智慧,但这不是本文的主要目的。

最佳答案

这是一个务实而不是纯粹的数学答案。
我认为您有两个问题-一个与布局有关,另一个与您的网络有关。
1.网络
网络中的边缘太多,无法代表单位tesseract。 警告我不是这里的数学专家-只是从绘图角度(matplotlib标记)开始的。请解释我是否错。
您想要的投影,例如n = 4的Hasse图的wolfram mathworld页面,只有4条边连接到所有节点,而2位有6条边和3位节点有7条边。您的图形完全连接了每个“级别”,即,具有0 1值的4-D矢量连接到具有1 1值的所有矢量,然后又连接到具有2 1值的所有矢量,依此类推。这在基于Wikipedia答案的投影中最为明显(下图2)
2.投影
我找不到预写的算法或库来自动将4D tesseract投影到2D平面上,但是我确实找到了两个示例e.g. Wikipedia。由此,您可以得出适合您的坐标集并将其传递给nx.draw()调用。
这是一个示例-我包含了两个坐标集,一个看起来像您上面显示的投影,一个与this one from wikipedia匹配。

import networkx as nx
import matplotlib.pyplot as plt
import itertools

H = nx.DiGraph()

axis_labels = ['p','q','r','s']

D_len_node = {}

#Iterate through axis labels
for i in xrange(0,len(axis_labels)+1):
    #Create edge from empty set
    if i == 0:
        for ax in axis_labels:
            H.add_edge('O',ax)
    else:
        #Create all non-overlapping combinations
        combinations = [c for c in itertools.combinations(axis_labels,i)]
        D_len_node[i] = combinations
    #Create edge from len(i-1) to len(i) #eg. pq >>> pqr, pq >>> pqs
    if i > 1:
        for node in D_len_node[i]:
            for p_node in D_len_node[i-1]:
                if set.intersection(set(p_node),set(node)):
                    H.add_edge(''.join(p_node),''.join(node))

#This is manual two options to project tesseract onto 2D plane
# - many projections are available!!
wikipedia_projection_coords = [(0.5,0),(0.85,0.25),(0.625,0.25),(0.375,0.25),
                                (0.15,0.25),(1,0.5),(0.8,0.5),(0.6,0.5),
                                (0.4,0.5),(0.2,0.5),(0,0.5),(0.85,0.75),
                                (0.625,0.75),(0.375,0.75),(0.15,0.75),(0.5,1)]

#Build the "two cubes" type example projection co-ordinates
half_coords = [(0,0.15),(0,0.6),(0.3,0.15),(0.15,0),
               (0.55,0.6),(0.3,0.6),(0.15,0.4),(0.55,1)]
#make the coords symmetric
example_projection_coords = half_coords + [(1-x,1-y) for (x,y) in half_coords][::-1]

print example_projection_coords


def powerset(s):
    ch = itertools.chain.from_iterable(itertools.combinations(s, r) for r in range(len(s)+1))
    return [''.join(t) for t in ch]

pos={}
for i,label in enumerate(powerset(axis_labels)):
    if label == '':
       label = 'O'
    pos[label]= example_projection_coords[i]

#Show Plot
nx.draw(H,pos,with_labels = True,node_shape = 'o')
plt.show()
注意-除非您更改上面1.中提到的内容,否则它们仍然具有边缘结构,因此看起来与网上示例完全不同。这是您现有的网络生成代码的样子-如果将其与示例进行比较,您可以看到额外的优势(例如,我不认为pr应该连接到pqs:
“两个立方体”投影

Wikimedia示例投影

笔记
如果您想进行自己的预测(并以数学方式建立pos)的数学方法,则可以看看this research paper

编辑:
好奇心使我变得更好,我不得不寻找一种数学方法来做到这一点。我发现this blog-其主要结果是投影矩阵:

这使我开发了此功能来投影每个标签,使包含“p”的标签表示该点在“p”轴上的值为1,即我们正在处理单位tesseract。因此:
def construct_projection(label):
    r1 = r2 = 0.5
    theta = math.pi / 6
    phi = math.pi / 3
    x = int( 'p' in label) + r1 * math.cos(theta) * int('r' in label) - r2 * math.cos(phi) * int('s' in label)
    y = int( 'q' in label) + r1 * math.sin(theta) * int('r' in label) + r2 * math.sin(phi) * int('s' in label)
    return (x,y)
很好地投影到所有点都不同的规则2D八边形中。
这将在上面的程序中运行,只需替换
 pos[label] = example_projection_coords[i]
pos[label] = construct_projection(label)
结果如下:

随心所欲地玩r1r2thetaphi :)

关于python - 如何在Python中重塑networkx图?,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/30689391/

10-12 22:45