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()

import matplotlib.pyplot as plt：导入 matplotlib 库中的绘图模块，并使用别名 plt。
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。
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。
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。
G = nx.Graph()：创建一个空的无向图。
num_nodes = len(adjacency_matrix)：计算邻接矩阵的大小，确定图中节点的数量。
G.add_nodes_from(range(num_nodes))：向图中添加节点，节点的数量由 num_nodes 决定。
for i in range(num_nodes):：遍历节点。
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。
if adjacency_matrix[i][j] == 1:：检查邻接矩阵中节点是否相连。
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。
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。
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。
plt.title('Graph from Adjacency Matrix')：设置图形的标题。
plt.show()：显示绘制的图形。
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。