将邻接矩阵转换成图

import matplotlib.pyplot as plt
import networkx as nx
import numpy as np
 
# 示例的邻接矩阵
adjacency_matrix = np.array([
    [0, 1, 1, 0],
    [1, 0, 1, 1],
    [1, 1, 0, 1],
    [0, 1, 1, 0]
])
 
# 创建一个无向图
G = nx.Graph()
 
# 添加节点
num_nodes = len(adjacency_matrix)
G.add_nodes_from(range(num_nodes))
 
 
# 添加边
for i in range(num_nodes):
    for j in range(i + 1, num_nodes):
        if adjacency_matrix[i][j] == 1:
            G.add_edge(i, j)
 
# 使用 circular_layout 布局算法
pos = nx.circular_layout(G)
 
node_labels = {0: 'A', 1: 'B', 2: 'C', 3: 'D'}  # 这里假设节点名称为 A、B、C、D
# 绘制图形
nx.draw(G, pos, with_labels=True, labels=node_labels, node_color='skyblue', node_size=500, font_weight='bold', font_size=10)
plt.title('Graph from Adjacency Matrix')
plt.show()

1. import matplotlib.pyplot as plt：导入 matplotlib 库中的绘图模块，并使用别名 plt。

2. import networkx as nx：导入 networkx 库，并使用别名 nx。networkx 是一个用于创建、操作和研究复杂网络的 Python 库。

3. import numpy as np：导入 numpy 库，并使用别名 np。numpy 是 Python 中用于科学计算的一个核心库，提供了对多维数组和矩阵的支持。

4. adjacency_matrix = np.array([...])：创建一个示例的邻接矩阵。这个邻接矩阵表示一个无向图的连接情况，其中元素的值为 1 表示节点之间有边相连，值为 0 表示没有边相连。

5. G = nx.Graph()：创建一个空的无向图。

6. num_nodes = len(adjacency_matrix)：计算邻接矩阵的大小，确定图中节点的数量。

7. G.add_nodes_from(range(num_nodes))：向图中添加节点，节点的数量由 num_nodes 决定。

8. for i in range(num_nodes):：遍历节点。

9. for j in range(i + 1, num_nodes):：遍历节点，确保只考虑上三角部分，因为邻接矩阵是对称的。

10. if adjacency_matrix[i][j] == 1:：检查邻接矩阵中节点是否相连。

11. G.add_edge(i, j)：如果节点相连（邻接矩阵中值为 1），则在图中添加一条边连接这两个节点。

12. pos = nx.circular_layout(G)：使用 networkx 中的 circular_layout() 布局算法，将节点放置在一个圆形上，以确定节点的位置信息。

13. nx.draw(G, pos, with_labels=True, node_color='skyblue', node_size=500, font_weight='bold', font_size=10)：使用 networkx 的 draw() 函数绘制图形。pos 参数指定了节点的位置信息，with_labels=True 表示在节点上显示标签，node_color 设置节点的颜色，node_size 设置节点的大小，font_weight 设置标签的字体加粗程度，font_size 设置标签的字体大小。

14. plt.title('Graph from Adjacency Matrix')：设置图形的标题。

15. plt.show()：显示绘制的图形。

16. 在代码中，如果直接指定节点的详细信息，比如节点标签、节点名称等。但在图形绘制的过程中，使用了 with_labels=True 参数，这告诉 nx.draw() 函数要在节点上显示标签，这个标签默认是节点的索引值。在这个例子中，已经指定了标签信息。