图形可视化
igraph 包含了可视化图的功能。主要有两个组成部分：图布局和图绘制。
在以下示例中，我们将假设igraph已导入为ig，并且之前已经创建了一个Graph对象，例如：
>>> import igraph as ig
>>> g = ig.Graph(edges=[[0, 1], [2, 3]])
阅读API参考以了解每个函数和类的详细信息。查看教程和 示例库以获取示例。
图形布局
图布局是图的低维（通常是二维）表示。可以为同一图计算不同的布局，通常保留或突出图本身的特定属性。某些布局仅对特定类型的图有意义，例如树。
igraph 提供了几种图形布局。计算图形布局的通用函数是 Graph.layout()：
>>> layout = g.layout(layout='auto')
请参阅以下支持的布局列表。生成的对象是 igraph.layout.Layout 的一个实例，并具有一些有用的属性：
Layout.coords: 布局中顶点的坐标（每行是一个顶点）Layout.dim: 嵌入的维度数（通常为2）
和方法：
Layout.boundaries()布局的极端坐标的矩形Layout.bounding_box()边界，但作为一个 igraph.drawing.utils.BoundingBox（见下文）Layout.centroid()图形布局的质心坐标
可以执行索引和切片操作，并返回请求的顶点的坐标：
>>> coords_subgraph = layout[:2] # Coordinates of the first two vertices
注意
返回的对象是一个包含坐标的列表的列表，而不是一个igraph.layout.Layout对象。你可以轻松地将结果包装成这样的对象：
>>> layout_subgraph = ig.Layout(coords=layout[:2])
可以对布局执行线性变换：
Layout.translate()Layout.center()Layout.scale()Layout.fit_into()Layout.rotate()Layout.mirror()
以及通过以下方式进行的一般非线性变换：
Layout.transform()
支持以下常规布局：
Graph.layout_star: 星形布局
Graph.layout_circle: 圆形/球形布局
Graph.layout_grid: 二维规则网格布局
Graph.layout_grid_3d: 三维规则网格布局
Graph.layout_random: 随机布局（2D 和 3D）
以下算法为一般图形生成美观的布局：
Graph.layout_davidson_harel: Davidson-Harel布局，基于模拟退火优化，包括边交叉
Graph.layout_drl: 用于大型图的DrL布局（2D和3D），一种可扩展的力导向布局
Graph.layout_fruchterman_reingold: Fruchterman-Reingold 布局（2D 和 3D），一种基于经典物理的“弹簧-电荷”布局
Graph.layout_graphopt: graphopt算法，另一种力导向布局
Graph.layout_kamada_kawai: Kamada-Kawai布局（2D和3D），一种基于经典物理的“弹簧”布局
Graph.layout_lgl: 大型图布局
Graph.layout_mds: 多维缩放布局
Graph.layout_umap: 均匀流形逼近与投影（2D和3D）。当图由松散连接的“簇”组成时，UMAP尤其有效。
以下算法对于树（以及Sugiyama 有向无环图或DAG）非常有用：
Graph.layout_reingold_tilford: Reingold-Tilford 布局
Graph.layout_reingold_tilford_circular: 圆形Reingold-Tilford布局
Graph.layout_sugiyama: Sugiyama布局，一种层次布局
对于二分图，有一个专门的函数：
Graph.layout_bipartite: 二分图布局
未来可能会根据请求添加更多内容。
图形绘制
一旦图形的布局被计算出来，igraph 可以帮助进行绘图。绘图是在一个单一的函数中完成的，即 igraph.plot。
使用默认图像查看器进行绘图
直接调用igraph.plot会生成一个临时文件，并使用默认的图像查看器打开它：
>>> ig.plot(g)
将绘图保存到文件
调用igraph.plot时，如果带有target参数，会将图形图像存储在指定的文件中，并且不会自动打开它。根据文件名的扩展名，可以选择以下任意一种输出格式：PNG、PDF、SVG和PostScript：
>>> ig.plot(g, target='myfile.pdf')
注意
PNG 是一种栅格图像格式，而 PDF、SVG 和 Postscript 是矢量图像格式。如果您计划使用矢量图像编辑器（如 Inkscape 或 Illustrator）来优化图像，请选择最后三种格式之一。
在Matplotlib图形中绘制图表
如果目标参数是一个 matplotlib 轴，图表将会绘制在该轴内：
>>> import matplotlib.pyplot as plt
>>> fig, ax = plt.subplots()
>>> ig.plot(g, target=ax)
然后，您可以通过ax和fig变量（或您命名的任何变量）进一步操作轴和图形。此变体不直接使用Cairo，可能缺少Cairo后端中可用的一些功能：请在Github上提交问题以请求特定功能。
注意
在绘制有根树时，Cairo 会自动将根放在图像的顶部，而叶子放在底部。对于 matplotlib，根通常位于底部。你可以通过调用 ax.invert_yaxis() 轻松地将根放在顶部。
通过matplotlib绘图可以轻松地将igraph与其他图表结合。例如，如果您想要一个包含两个面板的图表，显示数据集的某些不同方面，比如一个图和一个条形图，您可以轻松做到：
>>> import matplotlib.pyplot as plt
>>> fig, axs = plt.subplots(1, 2, figsize=(8, 4))
>>> ig.plot(g, target=axs[0])
>>> axs[1].bar(x=[0, 1, 2], height=[1, 5, 3], color='tomato')
另一种常见的情况是在事后修改图形绘制，以实现某种定制。例如，您可能想要更改顶点的大小和颜色：
>>> import matplotlib.pyplot as plt
>>> fig, ax = plt.subplots()
>>> ig.plot(g, target=ax)
>>> artist = ax.get_children()[0] # This is a GraphArtist
>>> dots = artist.get_vertices()
>>> dot.set_facecolors(['tomato'] * g.vcount())
>>> dot.set_sizes(dot.get_sizes() * 2) # double the default radius
如果你无法弄清楚如何使用下面的绘图选项，这也是一种解决方法：只需使用默认设置，然后通过标准的matplotlib工具自定义图表的外观。
注意
artist.get_children() 的顺序如下：(i) 如果请求了聚类外壳，则有一个艺术家；(ii) 一个艺术家用于边；(iii) 一个艺术家用于顶点；(iv) 一个艺术家用于每个边标签；(v) 一个艺术家用于每个顶点标签。
要将 matplotlib_ 设置为默认的绘图后端，您可以设置：
>>> ig.config['plotting.backend'] = 'matplotlib'
那么你就不需要再指定一个Axes了：
>>> ig.plot(g)
将自动为您创建一个新的Axes并返回它。
在Jupyter笔记本中绘制图形
igraph 支持通过 Cairo 和 matplotlib 后端在 Jupyter 笔记本中内嵌绘图。如果你在没有 matplotlib 轴的情况下从笔记本单元格调用 igraph.plot，图像将显示在相应的输出单元格中。使用 bbox 参数来缩放图像，同时保持顶点、文本和其他元素的大小。例如，要获得一个紧凑的绘图（仅使用 Cairo 后端）：
>>> ig.plot(g, bbox=(0, 0, 100, 100))
这些内嵌图表可以是PNG或SVG格式。目前有一个未解决的错误，如果在同一个笔记本中绘制多个图表，SVG格式会失败：我们正在努力修复这个问题。在此期间，您可以使用PNG格式。
如果你想在Jupyter笔记本中使用matplotlib引擎，你可以使用上面的方法。首先创建一个坐标轴，然后通过target参数告诉igraph.plot：
>>> import matplotlib.pyplot as plt
>>> fig, ax = plt.subplots()
>>> ig.plot(g, target=ax)
导出到其他图形格式
如果igraph缺少某个绘图功能，而你又不能等待我们将其包含进来，你可以随时将你的图导出为多种格式并使用外部的图形绘图工具。我们支持转换为文件（例如graphviz使用的DOT格式）以及转换为流行的图形库，如networkx和graph-tool：
>>> dot = g.write('/myfolder/myfile.dot')
>>> n = g.to_networkx()
>>> gt = g.to_graph_tool()
如果您导出到文件，则不需要安装任何库，但如果您要直接转换为外部Python对象（networkx, graph-tool），则需要这些库。
绘图选项
你可以向plot函数添加一个参数layout来指定一个预计算的布局，例如：
>>> layout = g.layout("kamada_kawai")
>>> ig.plot(g, layout=layout)
也可以直接使用布局算法的名称：
>>> ig.plot(g, layout="kamada_kawai")
如果未指定布局，igraph 使用专用的 layout_auto() 函数，该函数根据顶点和边的数量在几种可能的布局中选择一个。
您还可以通过额外的参数指定顶点和边的颜色、大小和标签等，例如：
>>> ig.plot(g,
... vertex_size=20,
... vertex_color=['blue', 'red', 'green', 'yellow'],
... vertex_label=['first', 'second', 'third', 'fourth'],
... edge_width=[1, 4],
... edge_color=['black', 'grey'],
... )
请参阅教程以获取示例和完整的选项列表。