图¶
限定名称: manim.mobject.graph.Graph
- class Graph(vertices, edges, labels=False, label_fill_color=ManimColor('#000000'), layout='spring', layout_scale=2, layout_config=None, vertex_type=<class 'manim.mobject.geometry.arc.Dot'>, vertex_config=None, vertex_mobjects=None, edge_type=<class 'manim.mobject.geometry.line.Line'>, partitions=None, root_vertex=None, edge_config=None)[source]¶
基类:
GenericGraph一个无向图（顶点通过边连接）。
该图附带一个更新器，当顶点移动时，更新器会使边保持与顶点连接。有关带方向边的版本，请参见
DiGraph。另请参阅
- 参数:
vertices (序列[可哈希]) – 顶点列表。必须是可哈希元素。
edges (序列[元组[可哈希, 可哈希]]) – 边列表，以元组
(u, v)形式指定，其中u和v都是顶点。顶点顺序无关紧要。labels (布尔值 | 字典) – 控制顶点是否被标记。如果为
False（默认值），则顶点不被标记；如果为True，则通过MathTex使用其名称（如vertices中指定）进行标记。另外，可以通过传递一个字典来指定自定义标签，该字典的键是顶点，值是相应的顶点标签（例如通过Text或Tex渲染）。label_fill_color (字符串) – 设置当
labels设置为True时生成的默认标签的填充颜色。对于labels的其他值，此设置无效。layout (布局名称 | 字典[可哈希, 三维点坐标类型] | 布局函数) – 可以是用于使用
networkx自动定位顶点的预设布局之一，如"spring"（默认）、"circular"、"kamada_kawai"、"planar"、"random"、"shell"、"spectral"、"spiral"、"tree"和"partite"（有关更多详细信息，请参阅其文档），也可以是一个字典，其中为每个顶点（键）指定一个坐标（值）用于手动定位。layout_config (字典 | 无) – 仅适用于自动生成的布局。一个字典，其条目作为关键字参数传递给通过
networkx的layout指定的自动布局算法。tree布局还接受一个特殊的参数vertex_spacing，作为关键字参数在layout_config字典中传递。将元组(space_x, space_y)作为此参数传递会覆盖layout_scale的值，并确保顶点的排列方式使同一层中兄弟节点的中心水平距离至少为space_x单位，相邻层垂直距离为space_y单位。layout_scale (浮点数 | 元组[浮点数, 浮点数, 浮点数]) – 自动生成布局的比例：顶点将排列在坐标位于
[-scale, scale]区间内。某些布局接受元组(scale_x, scale_y)，使第一个坐标位于[-scale_x, scale_x]区间，第二个坐标位于[-scale_y, scale_y]区间。默认值：2。vertex_type (类型[Mobject]) – 用于在场景中显示顶点的mobject类。
vertex_config (字典 | 无) – 一个字典，包含要传递给通过
vertex_type指定的类的关键字参数，或者一个字典，其键是顶点，其值是包含与相应顶点相关的mobject的关键字参数的字典。vertex_mobjects (字典 | 无) – 一个字典，其键是顶点，值是作为顶点使用的 mobject。在此处传递顶点会覆盖顶点所有其他配置选项。
edge_type (类型[Mobject]) – 用于在场景中显示边的mobject类。
edge_config (字典 | 无) – 一个字典，包含要传递给通过
edge_type指定的类的关键字参数，或者一个字典，其键是边，其值是包含与相应边相关的mobject的关键字参数的字典。partitions (序列[序列[可哈希]] | 无)
root_vertex (可哈希 | 无)
示例
首先，我们创建一个小图并演示当顶点移动时，边会随之移动。
示例: 移动顶点 ¶
from manim import * class MovingVertices(Scene): def construct(self): vertices = [1, 2, 3, 4] edges = [(1, 2), (2, 3), (3, 4), (1, 3), (1, 4)] g = Graph(vertices, edges) self.play(Create(g)) self.wait() self.play(g[1].animate.move_to([1, 1, 0]), g[2].animate.move_to([-1, 1, 0]), g[3].animate.move_to([1, -1, 0]), g[4].animate.move_to([-1, -1, 0])) self.wait()
class MovingVertices(Scene): def construct(self): vertices = [1, 2, 3, 4] edges = [(1, 2), (2, 3), (3, 4), (1, 3), (1, 4)] g = Graph(vertices, edges) self.play(Create(g)) self.wait() self.play(g[1].animate.move_to([1, 1, 0]), g[2].animate.move_to([-1, 1, 0]), g[3].animate.move_to([1, -1, 0]), g[4].animate.move_to([-1, -1, 0])) self.wait()有几种自动定位算法可供选择
示例: 图自动定位 ¶
from manim import * class GraphAutoPosition(Scene): def construct(self): vertices = [1, 2, 3, 4, 5, 6, 7, 8] edges = [(1, 7), (1, 8), (2, 3), (2, 4), (2, 5), (2, 8), (3, 4), (6, 1), (6, 2), (6, 3), (7, 2), (7, 4)] autolayouts = ["spring", "circular", "kamada_kawai", "planar", "random", "shell", "spectral", "spiral"] graphs = [Graph(vertices, edges, layout=lt).scale(0.5) for lt in autolayouts] r1 = VGroup(*graphs[:3]).arrange() r2 = VGroup(*graphs[3:6]).arrange() r3 = VGroup(*graphs[6:]).arrange() self.add(VGroup(r1, r2, r3).arrange(direction=DOWN))
class GraphAutoPosition(Scene): def construct(self): vertices = [1, 2, 3, 4, 5, 6, 7, 8] edges = [(1, 7), (1, 8), (2, 3), (2, 4), (2, 5), (2, 8), (3, 4), (6, 1), (6, 2), (6, 3), (7, 2), (7, 4)] autolayouts = ["spring", "circular", "kamada_kawai", "planar", "random", "shell", "spectral", "spiral"] graphs = [Graph(vertices, edges, layout=lt).scale(0.5) for lt in autolayouts] r1 = VGroup(*graphs[:3]).arrange() r2 = VGroup(*graphs[3:6]).arrange() r3 = VGroup(*graphs[6:]).arrange() self.add(VGroup(r1, r2, r3).arrange(direction=DOWN))顶点也可以手动定位
示例: 图手动定位 ¶
from manim import * class GraphManualPosition(Scene): def construct(self): vertices = [1, 2, 3, 4] edges = [(1, 2), (2, 3), (3, 4), (4, 1)] lt = {1: [0, 0, 0], 2: [1, 1, 0], 3: [1, -1, 0], 4: [-1, 0, 0]} G = Graph(vertices, edges, layout=lt) self.add(G)
class GraphManualPosition(Scene): def construct(self): vertices = [1, 2, 3, 4] edges = [(1, 2), (2, 3), (3, 4), (4, 1)] lt = {1: [0, 0, 0], 2: [1, 1, 0], 3: [1, -1, 0], 4: [-1, 0, 0]} G = Graph(vertices, edges, layout=lt) self.add(G)图中的顶点可以被标记，并且顶点和边的配置可以默认修改，也可以针对特定的顶点和边进行修改。
注意
在
edge_config中，边可以双向传递：如果(u, v)是图中的一条边，则(u, v)和(v, u)都可以用作字典中的键。示例: 带标签的修改图 ¶
from manim import * class LabeledModifiedGraph(Scene): def construct(self): vertices = [1, 2, 3, 4, 5, 6, 7, 8] edges = [(1, 7), (1, 8), (2, 3), (2, 4), (2, 5), (2, 8), (3, 4), (6, 1), (6, 2), (6, 3), (7, 2), (7, 4)] g = Graph(vertices, edges, layout="circular", layout_scale=3, labels=True, vertex_config={7: {"fill_color": RED}}, edge_config={(1, 7): {"stroke_color": RED}, (2, 7): {"stroke_color": RED}, (4, 7): {"stroke_color": RED}}) self.add(g)
class LabeledModifiedGraph(Scene): def construct(self): vertices = [1, 2, 3, 4, 5, 6, 7, 8] edges = [(1, 7), (1, 8), (2, 3), (2, 4), (2, 5), (2, 8), (3, 4), (6, 1), (6, 2), (6, 3), (7, 2), (7, 4)] g = Graph(vertices, edges, layout="circular", layout_scale=3, labels=True, vertex_config={7: {"fill_color": RED}}, edge_config={(1, 7): {"stroke_color": RED}, (2, 7): {"stroke_color": RED}, (4, 7): {"stroke_color": RED}}) self.add(g)您还可以通过指定每一侧的顶点列表并选择分区布局，将一个分部图按列布局。
注意
图中未在任何分区中列出的所有顶点都会被收集到自己的分区中，并在最右边的列中渲染。
示例: 分部图 ¶
from manim import * import networkx as nx class PartiteGraph(Scene): def construct(self): G = nx.Graph() G.add_nodes_from([0, 1, 2, 3]) G.add_edges_from([(0, 2), (0,3), (1, 2)]) graph = Graph(list(G.nodes), list(G.edges), layout="partite", partitions=[[0, 1]]) self.play(Create(graph))
import networkx as nx class PartiteGraph(Scene): def construct(self): G = nx.Graph() G.add_nodes_from([0, 1, 2, 3]) G.add_edges_from([(0, 2), (0,3), (1, 2)]) graph = Graph(list(G.nodes), list(G.edges), layout="partite", partitions=[[0, 1]]) self.play(Create(graph))通过使用分部布局并为每个层定义分区，可以方便地表示线性人工神经网络。
示例: 线性神经网络 ¶
from manim import * class LinearNN(Scene): def construct(self): edges = [] partitions = [] c = 0 layers = [2, 3, 3, 2] # the number of neurons in each layer for i in layers: partitions.append(list(range(c + 1, c + i + 1))) c += i for i, v in enumerate(layers[1:]): last = sum(layers[:i+1]) for j in range(v): for k in range(last - layers[i], last): edges.append((k + 1, j + last + 1)) vertices = np.arange(1, sum(layers) + 1) graph = Graph( vertices, edges, layout='partite', partitions=partitions, layout_scale=3, vertex_config={'radius': 0.20}, ) self.add(graph)
class LinearNN(Scene): def construct(self): edges = [] partitions = [] c = 0 layers = [2, 3, 3, 2] # the number of neurons in each layer for i in layers: partitions.append(list(range(c + 1, c + i + 1))) c += i for i, v in enumerate(layers[1:]): last = sum(layers[:i+1]) for j in range(v): for k in range(last - layers[i], last): edges.append((k + 1, j + last + 1)) vertices = np.arange(1, sum(layers) + 1) graph = Graph( vertices, edges, layout='partite', partitions=partitions, layout_scale=3, vertex_config={'radius': 0.20}, ) self.add(graph)自定义树布局可用于按与根顶点的距离显示图。您必须传递树的根顶点。
示例: 树 ¶
from manim import * import networkx as nx class Tree(Scene): def construct(self): G = nx.Graph() G.add_node("ROOT") for i in range(5): G.add_node("Child_%i" % i) G.add_node("Grandchild_%i" % i) G.add_node("Greatgrandchild_%i" % i) G.add_edge("ROOT", "Child_%i" % i) G.add_edge("Child_%i" % i, "Grandchild_%i" % i) G.add_edge("Grandchild_%i" % i, "Greatgrandchild_%i" % i) self.play(Create( Graph(list(G.nodes), list(G.edges), layout="tree", root_vertex="ROOT")))
import networkx as nx class Tree(Scene): def construct(self): G = nx.Graph() G.add_node("ROOT") for i in range(5): G.add_node("Child_%i" % i) G.add_node("Grandchild_%i" % i) G.add_node("Greatgrandchild_%i" % i) G.add_edge("ROOT", "Child_%i" % i) G.add_edge("Child_%i" % i, "Grandchild_%i" % i) G.add_edge("Grandchild_%i" % i, "Greatgrandchild_%i" % i) self.play(Create( Graph(list(G.nodes), list(G.edges), layout="tree", root_vertex="ROOT")))以下代码示例演示了特定于
"tree"布局的vertex_spacing布局参数的用法。如上所述，设置vertex_spacing会覆盖layout_scale的指定值，因此更难控制 mobject 的大小。但是，我们可以通过使用MovingCameraScene来调整捕获的帧并缩小。class LargeTreeGeneration(MovingCameraScene): DEPTH = 4 CHILDREN_PER_VERTEX = 3 LAYOUT_CONFIG = {"vertex_spacing": (0.5, 1)} VERTEX_CONF = {"radius": 0.25, "color": BLUE_B, "fill_opacity": 1} def expand_vertex(self, g, vertex_id: str, depth: int): new_vertices = [ f"{vertex_id}/{i}" for i in range(self.CHILDREN_PER_VERTEX) ] new_edges = [(vertex_id, child_id) for child_id in new_vertices] g.add_edges( *new_edges, vertex_config=self.VERTEX_CONF, positions={ k: g.vertices[vertex_id].get_center() + 0.1 * DOWN for k in new_vertices }, ) if depth < self.DEPTH: for child_id in new_vertices: self.expand_vertex(g, child_id, depth + 1) return g def construct(self): g = Graph(["ROOT"], [], vertex_config=self.VERTEX_CONF) g = self.expand_vertex(g, "ROOT", 1) self.add(g) self.play( g.animate.change_layout( "tree", root_vertex="ROOT", layout_config=self.LAYOUT_CONFIG, ) ) self.play(self.camera.auto_zoom(g, margin=1), run_time=0.5)
方法
更新边属性
animate (动画)用于动画化
self的任何方法的应用。animation_overrides (动画覆盖)颜色depth (深度)mobject 的深度。
fill_color (填充颜色)如果存在多种颜色（用于渐变），则返回第一种颜色
height (高度)mobject 的高度。
n_points_per_curve (每条曲线的点数)sheen_factor (光泽因子)stroke_color (描边颜色)width (宽度)mobject 的宽度。
- _原始__init__(vertices, edges, labels=False, label_fill_color=ManimColor('#000000'), layout='spring', layout_scale=2, layout_config=None, vertex_type=<class 'manim.mobject.geometry.arc.Dot'>, vertex_config=None, vertex_mobjects=None, edge_type=<class 'manim.mobject.geometry.line.Line'>, partitions=None, root_vertex=None, edge_config=None)¶
初始化自身。有关准确签名，请参阅 help(type(self))。
- 参数:
vertices (序列[可哈希])
edges (序列[元组[可哈希, 可哈希]])
labels (布尔值 | 字典)
label_fill_color (字符串)
layout (字面值['circular', 'kamada_kawai', 'partite', 'planar', 'random', 'shell', 'spectral', 'spiral', 'spring', 'tree'] | 字典[~collections.abc.Hashable, ~manim.typing.Point3DLike] | ~manim.mobject.graph.LayoutFunction)
layout_scale (浮点数 | 元组[浮点数, 浮点数, 浮点数])
layout_config (字典 | 无)
vertex_type (类型[Mobject])
vertex_config (字典 | 无)
vertex_mobjects (字典 | 无)
edge_type (类型[Mobject])
partitions (序列[序列[可哈希]] | 无)
root_vertex (可哈希 | 无)
edge_config (字典 | 无)
- 返回类型:
无