ECNU DaSE 课程资料
图
正在初始化搜索引擎
    • ECNU DaSE 课程资料
    • Web编程
    • 云计算系统
    • 信息检索与自然语言处理
    • 分布式系统
    • 当代数据管理系统
    • 操作系统
    • 数据伦理
    • 数据科学与工程导论
    • 数据科学与工程数学基础
    • 数据管理系统构建(上)
    • 数据结构
    • 深度学习
    • 程序设计
    • 算法基础
    • 统计方法与机器学习
    • 英文短篇小说赏析
    • 英语歌曲文化赏析
    • 英语畅谈中国文化
    • 计算机系统
    • 计算机网络
    • 计算机视觉与多媒体信息处理
    • 软件系统优化
    • 高等数学
    • ECNU DaSE 课程资料
      • Web编程
      • 2024暑假期中卷
      • 2025暑假期中卷
          • Assignment 1 指南
          • Assignment 2 指南
          • Assignment 3 指南
          • Assignment 4 指南
          • Assignment 5 指南
          • Assignment 6 指南
          • Assignment 7 指南
          • Assignment 8 指南
          • 基于 ucloud 云主机和阿里云镜像仓库实现 GitHub 的 CI/CD
              • Model
              • Mnist old
              • Mnist
            • Model
            • Map
            • Reduce
            • Mnist old
            • Mnist
      • 信息检索与自然语言处理
      • 2020-2021-1 期末试卷A和答案
      • 2020-2021-1 期末试卷B和答案
      • 自然语言处理 2024-2025-2 期中试卷 (回忆版)
      • 自然语言处理 2024-2025-2 期末试卷 (A卷,回忆版)
        • 24春分布式实验要求
        • 第1组-Hadoop
        • 第2组-Spark
        • 第3组-Flink
        • 某研究生的笔记
        • 2019-2020-1-编程作业
        • 2020-2021-2-编程作业1
        • 2020-2021-2-编程作业2
        • 2020-2021-2-编程作业3
        • 2021-2022-2-编程作业1
        • 2021-2022-2-编程作业2(不全)
        • 2021-2022-2编程作业解答
        • 2022-2023-2-编程作业1
        • 2022-2023-2-编程作业2
        • 2023-2024-2-编程作业1
        • 2023-2024-2-编程作业2
        • 2023-2024-2-编程作业3
        • 2024-2025-2-编程作业1
        • 2024-2025-2-编程作业2
          • Chapter1 绪论
          • Chapter10 Flink
          • Chapter2 Hadoop文件系统
          • Chapter3 MapReduce
          • Chapter4 Spark
          • Chapter 5 Yarn
          • Chapter9 批流融合基础
          • 习题 10
          • 习题1
          • 习题2
          • 习题 3
          • 习题 4
          • 习题 5
        • Zx2024.1.4最后一课
        • zx发给20级的-当代数据管理系考察重点
        • 周烜给24考研学生划重点
          • 第1次大项目实验报告
          • Report
            • lab1
            • Lab2 python连接并访问mongodb和CRUD操作深入
            • lab2
            • Lab3 MongoDB 的聚合管道
            • Lab4 使用 Python 对 PostgreSQL 进行 SQL 操作
            • Lab5 SQL的复杂查询
            • Lab6 PostgreSQL 查询优化与执行计划初探
            • lab7 ORM介绍和基础查询练习
            • Lab8 ORM拓展
            • Lab9 PostgreSQL事务处理初探
        • 2023春理论作业
          • 《操作系统》第一次作业
          • 《操作系统》第二次作业
          • 《操作系统》第三次作业
          • 《操作系统》第四次作业
          • 《操作系统》第五次作业
            • 实验配置
            • 实验1 Shell
            • 核心代码
            • 实验2 chrt
            • 核心代码
            • 实验3 IO
            • 核心代码
            • 实验4 Memory
              • 操作系统实验报告1
              • 操作系统实验报告2
              • 思路整理
              • 操作系统实验报告3
              • 操作系统实验报告4
              • 实验1
              • 实验2
              • 实验3
              • 实验4
        • OS2024春课件
          • os-1
          • os-10
          • os-11
          • os-12
          • os-13
          • os-14
          • os-15
          • os-16
          • os-2&3
          • os-4
          • os-5&6
          • os-7&8
          • os-9
          • 操作系统(期末考点)
      • 数据伦理
      • 平时小作业
      • 期末大作文
      • 导论期中卷纸和我的解答
        • Homework1
        • Homework10
        • Homework11
        • Homework12
        • Homework2
        • Homework3
        • Homework4
        • Homework5
        • Homework6
        • Homework7
        • Homework8
        • 机器学习基础操作线性模型
      • 数据科学与工程数学基础
        • 提示
          • 1
          • 2
          • 数据科学与工程数学基础 作业3
          • 4
          • 5
          • 6
          • 7
          • 作业1
          • 作业10
          • 作业11
          • 作业12
          • 作业13
          • 作业14
          • 作业15
          • 作业16
          • 作业17
          • 作业18
          • 作业19
          • 作业2
          • 作业20
          • 作业21
          • 作业3
          • 作业4
          • 作业5
          • 作业6
          • 作业7
          • 作业8
          • 作业9
          • 作业1
          • 作业10
          • 作业11
          • 作业2
          • 作业3
          • 作业4
          • 作业5
          • 作业6
          • 作业7
          • 作业8
          • 作业9
          • 第 1 次作业
          • 第 2 次作业
          • 第 3 次作业
          • 第 4 次作业
          • 第 5 次作业
          • 第 6 次作业
          • 第 7 次作业
          • 第 8 次作业
          • 1
          • 2
          • 3
          • 4
          • 5
          • 6
          • 介绍
          • 1
          • 10
          • 2
          • 3
          • 4
          • 5
          • 6
          • 7
          • 8
          • 9
        • 2020级卷纸
        • 2020级答案
        • 2021级卷纸
        • 2021级答案
        • 2022级卷纸
        • 2022级答案
        • 2023级卷纸(A)
        • 2023级答案(A)
        • 2023级答案(B)
        • 2024级卷纸(A)
        • 2024级卷纸(B)
        • 翻转课堂
          • 小组第一次讲解
          • 我的整合2024.9.25
          • 稿子
          • Content
          • 我的内容
          • 第二次讲解稿子
          • 实验报告:在LevelDB中实现TTL功能
          • 实验过程记录1
          • 实验过程记录2
          • 基于leveldb的单机二级索引
      • 数据结构
        • 2021秋数据结构平时实验题目和参考解答
        • 2022秋数据结构平时实验题目
        • 2023秋数据结构平时实验题目和参考解答
        • 2017-2018-1 数据结构 期末试卷
        • 2018-2019-1 数据结构 期末试卷
        • 2019-2020-1 数据结构 期末试卷
        • 2019-2020-2 数据结构 期末试卷
        • 2021-2022-1 数据结构 期末试卷
        • 2022-2023-1 数据结构 期末压轴题回忆
        • 2023-2024-1 数据结构 期末试卷
        • 2025-2026-1 数据结构 期末试卷回忆
          • 2024春实验内容和我的完成情况
          • 2024春实验标准答案和常见错误
          • 2025春深度学习平时实验标准答案
          • 2024期末大作业实验报告
          • Baseline
          • 核心代码
          • Baseline
          • 核心代码
          • 2025期末大作业实验报告
      • 程序设计
        • 2021测试1
        • 2021测试2
        • 2022测试1
        • 2022测试2
        • 2023测试1
        • 2023测试2
        • 2024测试1A卷
        • 2024测试2A卷
        • 2024测试2B卷
        • 数据学院2025级程序设计期末考试
        • Contest 1
        • Contest 10
        • Contest 11
        • Contest 2
        • Contest 3 & Contest 4
        • Contest 5
        • Contest 6
        • Contest 7
        • Contest 8
        • Contest 9
        • 华东师范大学期末试卷(A)2019-2020学年第一学期
        • 华东师范大学期末试卷(A)2020-2021学年第一学期
        • 《程序设计》期末考试2022-2023-1学期简单回顾
        • 《程序设计》期末考试2024-2025-1学期简单回顾(AB卷)
      • 算法基础
          • 核心代码
          • 实验报告
          • 核心代码
          • 实验报告
          • 核心代码
          • 实验报告
          • 核心代码
          • 图
          • 实验报告
          • 核心代码
          • 实验报告
          • 核心代码
          • 实验报告
          • 核心代码
          • 实验报告
          • 核心代码
          • 实验报告
          • 核心代码
          • 实验报告
          • 核心代码
          • 实验报告
          • 核心代码
          • 实验报告
          • 核心代码
          • 实验报告
          • 核心代码
          • 实验报告
        • 2017-2018-1A卷
        • 2017-2018-1B卷
        • 2020-2021-1A卷
        • 2020-2021-1期中卷
        • 2021-2022-1期中卷
        • 2022-2023-2A卷
        • 2022-2023-2B卷
        • 2022-2023-2期中卷
        • 2023-2024-2期中卷
        • 2024-2025-2期中卷
        • 某年期末试卷
        • 2022-2023-1期末试卷
        • 2023-2024-1期末试卷
        • 2024-2025-1期末试卷(回忆)
        • 2025-2026-1期末试卷(回忆)
            • Project1
            • 作业要求
            • 实验报告
            • Project2
            • 实验报告
            • 实验要求
            • Tutorial One: One-way ANOVA
            • Tutorial Two: Multiple Comparison
            • 《统计方法与机器学习》实践作业1
            • 作业要求
            • 《统计方法与机器学习》实践作业2
            • 实验要求
            • 《统计方法与机器学习》实践作业3
            • 《统计方法与机器学习》实践作业4
            • Clustering
            • Tutorial - Clustering
            • 机器学习理论作业1
            • 机器学习理论作业2
            • 机器学习理论作业3
            • 机器学习理论作业4
          • 作业1
          • 作业2
          • 作业3
        • 1.Early Autumn
        • 2.The Washwoman
        • 3.Mr Known-all
        • 4.The Acorn-Gatherer
        • 5.A White Heron
        • 6.The story of an Hour
        • 7.Araby
        • 8.The law of life
        • 9.课外阅读部分
        • A.单词大总结
        • B.文学知识大总结
        • C.课本上的题目&解析
          • old
          • 课外1.Guests of the Nation
          • The Secret Life of Walter Mitty
          • To Build a Fire
          • gsh的单词大总结
          • xqh的单词
          • yf的单词大总结
      • 期中论文
      • 期末论文
      • 2022秋英语畅谈中国文化
          • 随堂作业-memory mountain
          • 作业0-熟悉github
          • 做实验时候qwn对lab1的提示
          • 代码和运行结果
          • 实验笔记(简略)
          • 实验说明和简要笔记
          • 我的汇编代码
          • 运行结果和答案
          • Index
          • 实验过程中的结果和代码
          • attacklab复盘
          • 实验要求
          • Malloc_Lab实验报告
          • 快速笔记
          • Shell-lab 实验记录
        • 2023年期末项目评分标准
        • 实验报告
        • 期末项目
        • 小作业1
        • 华东师范大学数据科学与工程学院报告
          • 华东师范大学数据科学与工程学院实验报告
          • 华东师范大学数据科学与工程学院实验报告
          • 华东师范大学数据科学与工程学院实验报告
          • 华东师范大学数据科学与工程学院实验报告
          • 华东师范大学数据科学与工程学院实验报告
          • 华东师范大学数据科学与工程学院实验报告
          • 华东师范大学数据科学与工程学院实验报告
          • 华东师范大学数据科学与工程学院实验报告
          • 华东师范大学数据科学与工程学院实验报告
          • 华东师范大学数据科学与工程学院实验报告
            • 华东师范大学数据科学与工程学院实验报告
            • 华东师范大学数据科学与工程学院实验报告
          • 华东师范大学数据科学与工程学院实验报告
          • 华东师范大学数据科学与工程学院实验报告
          • 计算机网络第一次作业
          • 计算机网络第二次作业
          • 计算机网络第三次作业
          • 计算机网络第三次作业
      • 计算机视觉
      • 2023-2024-1 期中理论测试
      • 2024-2025-1 期中理论测试
          • 代码实现题code
          • 图像特征练习
          • K-近邻算法 (kNN) 练习
          • Softmax 练习
          • 多分类支撑向量机练习
          • 实现一个神经网络
          • 实验要求
          • Batch Normalization
          • 卷积网络
          • Dropout
          • 全连接神经网络
          • What's this PyTorch business?
          • 代码实现题代码
          • 实验要求
          • Generative Adversarial Networks (GANs)
          • Image Captioning with LSTMs
          • Image Captioning with RNNs
          • 实现题代码
          • 实验要求
      • 软件系统优化
        • 软件系统优化 A1
        • 软件系统优化 A2
        • 软件系统优化 A3
        • Img
        • 软件系统优化 A4
        • 软件系统优化 A5
        • 软件系统优化 P1
        • 软件系统优化 P2
        • 软件系统优化 P3
      • ECNU高数上期末试卷
      • ECNU高数下期末试卷
        • 华东师范大学高等数学A(一)2007-2008A卷
        • 华东师范大学高等数学A(一)2008-2009AB卷
        • 华东师范大学高等数学A(一)2009-2010AB卷
        • 华东师范大学高等数学A(一)2010-2011A卷
        • 华东师范大学高等数学A(一)2011-2012AB卷
        • 华东师范大学高等数学A(一)2012-2013A卷
        • 华东师范大学高等数学A(一)2012-2013B卷
        • 华东师范大学高等数学A(一)2013-2014A卷
        • 华东师范大学高等数学A(一)2014-2015A卷
        • 华东师范大学高等数学A(一)2015-2016A卷
        • 华东师范大学高等数学A(一)2017-2018A卷
        • 华东师范大学高等数学A(一)2017-2018B卷
        • 华东师范大学高等数学A(一)2021-2022A卷
        • 华东师范大学高等数学A(一)2021-2022A卷评分标准
        • 华东师范大学高等数学A(一)2021-2022B卷
        • 华东师范大学高等数学A(一)2021-2022B卷评分标准
        • 华东师范大学高等数学A(一)2023-2024A卷(菁英班)
        • 华东师范大学高等数学A(一)2023-2024A卷
        • 华东师范大学高等数学A(一)2024-2025A卷(菁英班)
        • 华东师范大学高等数学A(一)2024-2025A卷
        • 华东师范大学高等数学A(一)2024-2025B卷(菁英班)
        • 华东师范大学高等数学A(一)2024-2025B卷
        • 华东师范大学高等数学A(一)2025-2026A卷(菁英班)
        • 华东师范大学高等数学A(一)2025-2026A卷
        • 华东师范大学高等数学A(一)2025-2026B卷(菁英班)
        • 华东师范大学高等数学A(一)2025-2026B卷
        • 华东师范大学高等数学B(一)2009-2010A卷答案
        • 华东师范大学高等数学B(一)2010-2011A卷
        • 华东师范大学高等数学B(一)2010-2011A卷答案
        • 华东师范大学高等数学B(一)2010-2011B卷
        • 华东师范大学高等数学B(一)2010-2011B卷答案
        • 华东师范大学高等数学B(一)2011-2012A卷
        • 华东师范大学高等数学B(一)2011-2012A卷答案
        • 华东师范大学高等数学B(一)2011-2012B卷
        • 华东师范大学高等数学B(一)2011-2012B卷答案
        • 华东师范大学高等数学B(一)2012-2013A卷
        • 华东师范大学高等数学B(一)2012-2013A卷答案
        • 华东师范大学高等数学B(一)2015-2016B卷
        • 华东师范大学高等数学B(一)2019-2020A卷
        • 华东师范大学高等数学B(一)2019-2020A卷答案
        • 华东师范大学高等数学B(一)2019-2020B卷
        • 华东师范大学高等数学B(一)2019-2020B卷答案
        • 华东师范大学高等数学B(一)2023-2024A卷
        • 华东师范大学高等数学B(一)2023-2024B卷
        • 华东师范大学高等数学B(一)2024-2025A卷
        • 华东师范大学高等数学B(一)2024-2025B卷
        • 华东师范大学高等数学B(一)2025-2026A卷
        • 华东师范大学高等数学B(一)2025-2026B卷
        • 华东师范大学高等数学C(一)2020-2021A卷
        • 华东师范大学高等数学C(一)2021-2022A卷
        • 华东师范大学高等数学C(一)2023-2024A卷
        • 华东师范大学高等数学C(一)2024-2025A卷
        • 华东师范大学高等数学C(一)2024-2025B卷
        • 华东师范大学高等数学C(一)2025-2026A卷
        • 华东师范大学高等数学C(一)2025-2026B卷
        • 华东师范大学高等数学A(二)2007-2008AB卷
        • 华东师范大学高等数学A(二)2008-2009AB卷
        • 华东师范大学高等数学A(二)2009-2010AB卷
        • 华东师范大学高等数学A(二)2009-2010A卷答案
        • 华东师范大学高等数学A(二)2010-2011A卷
        • 华东师范大学高等数学A(二)2010-2011A卷答案
        • 华东师范大学高等数学A(二)2010-2011B卷
        • 华东师范大学高等数学A(二)2011-2012A卷
        • 华东师范大学高等数学A(二)2011-2012B卷
        • 华东师范大学高等数学A(二)2012-2013AB卷
        • 华东师范大学高等数学A(二)2013-2014A卷
        • 华东师范大学高等数学A(二)2014-2015A卷
        • 华东师范大学高等数学A(二)2016-2017A卷
        • 华东师范大学高等数学A(二)2016-2017B卷
        • 华东师范大学高等数学A(二)2017-2018A卷
        • 华东师范大学高等数学A(二)2017-2018B卷
        • 华东师范大学高等数学A(二)2018-2019A卷
        • 华东师范大学高等数学A(二)2019-2020A卷
        • 华东师范大学高等数学A(二)2019-2020A卷菁英班
        • 华东师范大学高等数学A(二)2020-2021A卷
        • 华东师范大学高等数学A(二)2020-2021A卷答案
        • 华东师范大学高等数学A(二)2020-2021B卷
        • 华东师范大学高等数学A(二)2020-2021B卷答案
        • 华东师范大学高等数学A(二)2021-2022A卷
        • 华东师范大学高等数学A(二)2021-2022A卷评分标准
        • 华东师范大学高等数学A(二)2022-2023A卷
        • 华东师范大学高等数学A(二)2022-2023A卷答案
        • 华东师范大学高等数学A(二)2023-2024A卷
        • 华东师范大学高等数学A(二)2023-2024A卷菁英班
        • 华东师范大学高等数学A(二)2023-2024B卷
        • 华东师范大学高等数学A(二)2024-2025A卷
        • 华东师范大学高等数学A(二)2024-2025A卷菁英班
        • 华东师范大学高等数学A(二)2024-2025B卷
        • 华东师范大学高等数学A(二)2024-2025B卷菁英班
        • 华东师范大学高等数学B(二)2019-2020A卷
        • 华东师范大学高等数学B(二)2019-2020A卷答案
        • 华东师范大学高等数学B(二)2019-2020B卷
        • 华东师范大学高等数学B(二)2021-2022A卷
        • 华东师范大学高等数学B(二)2021-2022B卷
        • 华东师范大学高等数学B(二)2022-2023A卷
        • 华东师范大学高等数学B(二)2022-2023B卷
        • 华东师范大学高等数学B(二)2023-2024A卷
        • 华东师范大学高等数学B(二)2023-2024B卷
        • 华东师范大学高等数学B(二)2024-2025A卷
        • 华东师范大学高等数学B(二)2024-2025B卷
        • 华东师范大学高等数学C(二)2023-2024A卷
        • 华东师范大学高等数学C(二)2024-2025A卷
        • 华东师范大学高等数学C(二)2024-2025B卷

    图

    In [1]:
    Copied!
    import networkx as nx
    import matplotlib.pyplot as plt
    
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    
    edges = [
    ('沈阳市','长春市',279.076),
    ('长春市','哈尔滨市',232.473),
    ('沈阳市','天津市',605.429),
    ('天津市','北京市',109.744),
    ('天津市','石家庄市',262.662),
    ('石家庄市','太原市',172.534),
    ('石家庄市','济南市',268.228),
    ('太原市','呼和浩特市',338.861),
    ('太原市','郑州市',358.809),
    ('郑州市','西安市',435.687),
    ('郑州市','合肥市',465.513),
    ('合肥市','南京市',141.475),
    ('南京市','杭州市',235.447),
    ('杭州市','上海市',164.04),
    ('合肥市','武汉市',317.307),
    ('武汉市','南昌市',262.154),
    ('南昌市','长沙市',289.531),
    ('南昌市','福州市',444.143),
    ('福州市','台北市',250.622),
    ('西安市','兰州市',505.96),
    ('兰州市','西宁市',194.278),
    ('兰州市','银川市',343.112),
    ('长沙市','广州市',564.43),
    ('广州市','澳门',106.634),
    ('澳门','香港',64.0048),
    ('澳门','海口市',421.967),
    ('海口市','南宁市',365.228),
    ('南宁市','贵阳市',447.881),
    ('贵阳市','重庆市',329.197),
    ('重庆市','成都市',265.982),
    ('贵阳市','昆明市',435.472),
    ('成都市','拉萨市',1249.67),
    ('西宁市','乌鲁木齐市',1441.9)
    ]
    
    G = nx.Graph()
    G.add_weighted_edges_from(edges)
    
    node_locations = {
        '沈阳市': (41.796768, 123.429092),
        '长春市': (43.886841, 125.324501),
        '哈尔滨市': (45.756966, 126.642464),
        '北京市': (39.904987, 116.405289),
        '天津市': (39.125595, 117.190186),
        '呼和浩特市': (40.841490, 111.751990),
        '银川市': (38.486440, 106.232480),
        '太原市': (37.857014, 112.549248),
        '石家庄市': (38.045475, 114.502464),
        '济南市': (36.675808, 117.000923),
        '郑州市': (34.757977, 113.665413),
        '西安市': (34.263161, 108.948021),
        '武汉市': (30.584354, 114.298569),
        '南京市': (32.041546, 118.76741),
        '合肥市': (31.861191, 117.283043),
        '上海市': (31.231707, 121.472641),
        '长沙市': (28.19409, 112.982277),
        '南昌市': (28.676493, 115.892151),
        '杭州市': (30.287458, 120.15358),
        '福州市': (26.075302, 119.306236),
        '广州市': (23.125177, 113.28064),
        '台北市': (25.0307240, 121.5200760),
        '海口市': (20.044220, 110.199890),
        '南宁市': (22.82402, 108.320007),
        '重庆市': (29.533155, 106.504959),
        '昆明市': (25.040609, 102.71225),
        '贵阳市': (26.578342, 106.713478),
        '成都市': (30.659462, 104.065735),
        '兰州市': (36.061380, 103.834170),
        '西宁市': (36.617290, 101.777820),
        '拉萨市': (29.644150, 91.11450),
        '乌鲁木齐市': (43.826630, 87.616880),
        '香港': (22.275340, 114.165460),
        '澳门': (22.198750, 113.549130)
    }
    
    pos = {node: (lon, lat) for node, (lat, lon) in node_locations.items()}
    
    
    pos_adjusted = {}
    epsilon = 10  
    for node, (lon, lat) in pos.items():
        pos_adjusted[node] = (lon + epsilon, lat + epsilon)
    
    plt.figure(figsize=(15, 15))
    nx.draw(G, pos_adjusted, with_labels=True, node_size=500, node_color='lightblue')
    
    labels = nx.get_edge_attributes(G, 'weight')
    #nx.draw_networkx_edge_labels(G, pos_adjusted, edge_labels=labels)
    
    plt.show()
    
    import networkx as nx import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False edges = [ ('沈阳市','长春市',279.076), ('长春市','哈尔滨市',232.473), ('沈阳市','天津市',605.429), ('天津市','北京市',109.744), ('天津市','石家庄市',262.662), ('石家庄市','太原市',172.534), ('石家庄市','济南市',268.228), ('太原市','呼和浩特市',338.861), ('太原市','郑州市',358.809), ('郑州市','西安市',435.687), ('郑州市','合肥市',465.513), ('合肥市','南京市',141.475), ('南京市','杭州市',235.447), ('杭州市','上海市',164.04), ('合肥市','武汉市',317.307), ('武汉市','南昌市',262.154), ('南昌市','长沙市',289.531), ('南昌市','福州市',444.143), ('福州市','台北市',250.622), ('西安市','兰州市',505.96), ('兰州市','西宁市',194.278), ('兰州市','银川市',343.112), ('长沙市','广州市',564.43), ('广州市','澳门',106.634), ('澳门','香港',64.0048), ('澳门','海口市',421.967), ('海口市','南宁市',365.228), ('南宁市','贵阳市',447.881), ('贵阳市','重庆市',329.197), ('重庆市','成都市',265.982), ('贵阳市','昆明市',435.472), ('成都市','拉萨市',1249.67), ('西宁市','乌鲁木齐市',1441.9) ] G = nx.Graph() G.add_weighted_edges_from(edges) node_locations = { '沈阳市': (41.796768, 123.429092), '长春市': (43.886841, 125.324501), '哈尔滨市': (45.756966, 126.642464), '北京市': (39.904987, 116.405289), '天津市': (39.125595, 117.190186), '呼和浩特市': (40.841490, 111.751990), '银川市': (38.486440, 106.232480), '太原市': (37.857014, 112.549248), '石家庄市': (38.045475, 114.502464), '济南市': (36.675808, 117.000923), '郑州市': (34.757977, 113.665413), '西安市': (34.263161, 108.948021), '武汉市': (30.584354, 114.298569), '南京市': (32.041546, 118.76741), '合肥市': (31.861191, 117.283043), '上海市': (31.231707, 121.472641), '长沙市': (28.19409, 112.982277), '南昌市': (28.676493, 115.892151), '杭州市': (30.287458, 120.15358), '福州市': (26.075302, 119.306236), '广州市': (23.125177, 113.28064), '台北市': (25.0307240, 121.5200760), '海口市': (20.044220, 110.199890), '南宁市': (22.82402, 108.320007), '重庆市': (29.533155, 106.504959), '昆明市': (25.040609, 102.71225), '贵阳市': (26.578342, 106.713478), '成都市': (30.659462, 104.065735), '兰州市': (36.061380, 103.834170), '西宁市': (36.617290, 101.777820), '拉萨市': (29.644150, 91.11450), '乌鲁木齐市': (43.826630, 87.616880), '香港': (22.275340, 114.165460), '澳门': (22.198750, 113.549130) } pos = {node: (lon, lat) for node, (lat, lon) in node_locations.items()} pos_adjusted = {} epsilon = 10 for node, (lon, lat) in pos.items(): pos_adjusted[node] = (lon + epsilon, lat + epsilon) plt.figure(figsize=(15, 15)) nx.draw(G, pos_adjusted, with_labels=True, node_size=500, node_color='lightblue') labels = nx.get_edge_attributes(G, 'weight') #nx.draw_networkx_edge_labels(G, pos_adjusted, edge_labels=labels) plt.show()
    ---------------------------------------------------------------------------
    TypeError                                 Traceback (most recent call last)
    Cell In[1], line 92
         89     pos_adjusted[node] = (lon + epsilon, lat + epsilon)
         91 plt.figure(figsize=(15, 15))
    ---> 92 nx.draw(G, pos_adjusted, with_labels=True, node_size=500, node_color='lightblue')
         94 labels = nx.get_edge_attributes(G, 'weight')
         95 #nx.draw_networkx_edge_labels(G, pos_adjusted, edge_labels=labels)
    
    File c:\learnAI\anaconda3\lib\site-packages\networkx\drawing\nx_pylab.py:113, in draw(G, pos, ax, **kwds)
        111 cf.set_facecolor("w")
        112 if ax is None:
    --> 113     if cf._axstack() is None:
        114         ax = cf.add_axes((0, 0, 1, 1))
        115     else:
    
    TypeError: '_AxesStack' object is not callable
    <Figure size 1500x1500 with 0 Axes>
    In [ ]:
    Copied!
    import networkx as nx
    import matplotlib.pyplot as plt
    
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    
    edges = [
    ('西宁市','郑州市',1092.57),
    ('西宁市','兰州市',194.278),
    ('兰州市','银川市',343.112),
    ('郑州市','太原市',358.809),
    ('太原市','石家庄市',172.534),
    ('石家庄市','天津市',262.662),
    ('天津市','北京市',109.744),
    ('石家庄市','济南市',268.228),
    ('太原市','呼和浩特市',338.861),
    ('郑州市','西安市',435.687),
    ('郑州市','合肥市',465.513),
    ('合肥市','南京市',141.475),
    ('南京市','杭州市',235.447),
    ('杭州市','上海市',164.04),
    ('合肥市','武汉市',317.307),
    ('武汉市','南昌市',262.154),
    ('南昌市','长沙市',289.531),
    ('南昌市','福州市',444.143),
    ('福州市','台北市',250.622),
    ('长沙市','广州市',564.43),
    ('广州市','澳门',106.634),
    ('澳门','香港',64.0048),
    ('澳门','海口市',421.967),
    ('海口市','南宁市',365.228),
    ('南宁市','贵阳市',447.881),
    ('贵阳市','重庆市',329.197),
    ('重庆市','成都市',265.982),
    ('贵阳市','昆明市',435.472),
    ('天津市','沈阳市',605.429),
    ('沈阳市','长春市',279.076),
    ('长春市','哈尔滨市',232.473),
    ('成都市','拉萨市',1249.67),
    ('西宁市','乌鲁木齐市',1441.9)
    ]
    
    
    
    G = nx.Graph()
    G.add_weighted_edges_from(edges)
    
    node_locations = {
        '沈阳市': (41.796768, 123.429092),
        '长春市': (43.886841, 125.324501),
        '哈尔滨市': (45.756966, 126.642464),
        '北京市': (39.904987, 116.405289),
        '天津市': (39.125595, 117.190186),
        '呼和浩特市': (40.841490, 111.751990),
        '银川市': (38.486440, 106.232480),
        '太原市': (37.857014, 112.549248),
        '石家庄市': (38.045475, 114.502464),
        '济南市': (36.675808, 117.000923),
        '郑州市': (34.757977, 113.665413),
        '西安市': (34.263161, 108.948021),
        '武汉市': (30.584354, 114.298569),
        '南京市': (32.041546, 118.76741),
        '合肥市': (31.861191, 117.283043),
        '上海市': (31.231707, 121.472641),
        '长沙市': (28.19409, 112.982277),
        '南昌市': (28.676493, 115.892151),
        '杭州市': (30.287458, 120.15358),
        '福州市': (26.075302, 119.306236),
        '广州市': (23.125177, 113.28064),
        '台北市': (25.0307240, 121.5200760),
        '海口市': (20.044220, 110.199890),
        '南宁市': (22.82402, 108.320007),
        '重庆市': (29.533155, 106.504959),
        '昆明市': (25.040609, 102.71225),
        '贵阳市': (26.578342, 106.713478),
        '成都市': (30.659462, 104.065735),
        '兰州市': (36.061380, 103.834170),
        '西宁市': (36.617290, 101.777820),
        '拉萨市': (29.644150, 91.11450),
        '乌鲁木齐市': (43.826630, 87.616880),
        '香港': (22.275340, 114.165460),
        '澳门': (22.198750, 113.549130)
    }
    
    pos = {node: (lon, lat) for node, (lat, lon) in node_locations.items()}
    
    
    pos_adjusted = {}
    epsilon = 10  
    for node, (lon, lat) in pos.items():
        pos_adjusted[node] = (lon + epsilon, lat + epsilon)
    
    plt.figure(figsize=(15, 15))
    nx.draw(G, pos_adjusted, with_labels=True, node_size=500, node_color='lightblue')
    
    labels = nx.get_edge_attributes(G, 'weight')
    #nx.draw_networkx_edge_labels(G, pos_adjusted, edge_labels=labels)
    
    plt.show()
    
    import networkx as nx import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False edges = [ ('西宁市','郑州市',1092.57), ('西宁市','兰州市',194.278), ('兰州市','银川市',343.112), ('郑州市','太原市',358.809), ('太原市','石家庄市',172.534), ('石家庄市','天津市',262.662), ('天津市','北京市',109.744), ('石家庄市','济南市',268.228), ('太原市','呼和浩特市',338.861), ('郑州市','西安市',435.687), ('郑州市','合肥市',465.513), ('合肥市','南京市',141.475), ('南京市','杭州市',235.447), ('杭州市','上海市',164.04), ('合肥市','武汉市',317.307), ('武汉市','南昌市',262.154), ('南昌市','长沙市',289.531), ('南昌市','福州市',444.143), ('福州市','台北市',250.622), ('长沙市','广州市',564.43), ('广州市','澳门',106.634), ('澳门','香港',64.0048), ('澳门','海口市',421.967), ('海口市','南宁市',365.228), ('南宁市','贵阳市',447.881), ('贵阳市','重庆市',329.197), ('重庆市','成都市',265.982), ('贵阳市','昆明市',435.472), ('天津市','沈阳市',605.429), ('沈阳市','长春市',279.076), ('长春市','哈尔滨市',232.473), ('成都市','拉萨市',1249.67), ('西宁市','乌鲁木齐市',1441.9) ] G = nx.Graph() G.add_weighted_edges_from(edges) node_locations = { '沈阳市': (41.796768, 123.429092), '长春市': (43.886841, 125.324501), '哈尔滨市': (45.756966, 126.642464), '北京市': (39.904987, 116.405289), '天津市': (39.125595, 117.190186), '呼和浩特市': (40.841490, 111.751990), '银川市': (38.486440, 106.232480), '太原市': (37.857014, 112.549248), '石家庄市': (38.045475, 114.502464), '济南市': (36.675808, 117.000923), '郑州市': (34.757977, 113.665413), '西安市': (34.263161, 108.948021), '武汉市': (30.584354, 114.298569), '南京市': (32.041546, 118.76741), '合肥市': (31.861191, 117.283043), '上海市': (31.231707, 121.472641), '长沙市': (28.19409, 112.982277), '南昌市': (28.676493, 115.892151), '杭州市': (30.287458, 120.15358), '福州市': (26.075302, 119.306236), '广州市': (23.125177, 113.28064), '台北市': (25.0307240, 121.5200760), '海口市': (20.044220, 110.199890), '南宁市': (22.82402, 108.320007), '重庆市': (29.533155, 106.504959), '昆明市': (25.040609, 102.71225), '贵阳市': (26.578342, 106.713478), '成都市': (30.659462, 104.065735), '兰州市': (36.061380, 103.834170), '西宁市': (36.617290, 101.777820), '拉萨市': (29.644150, 91.11450), '乌鲁木齐市': (43.826630, 87.616880), '香港': (22.275340, 114.165460), '澳门': (22.198750, 113.549130) } pos = {node: (lon, lat) for node, (lat, lon) in node_locations.items()} pos_adjusted = {} epsilon = 10 for node, (lon, lat) in pos.items(): pos_adjusted[node] = (lon + epsilon, lat + epsilon) plt.figure(figsize=(15, 15)) nx.draw(G, pos_adjusted, with_labels=True, node_size=500, node_color='lightblue') labels = nx.get_edge_attributes(G, 'weight') #nx.draw_networkx_edge_labels(G, pos_adjusted, edge_labels=labels) plt.show()
    No description has been provided for this image
    In [ ]:
    Copied!
    import networkx as nx
    import matplotlib.pyplot as plt
    
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    
    edges = [
    ('西宁市','郑州市',1092.57),
    ('西宁市','兰州市',194.278),
    ('兰州市','银川市',343.112),
    ('郑州市','太原市',358.809),
    ('太原市','石家庄市',172.534),
    ('石家庄市','天津市',262.662),
    ('天津市','北京市',109.744),
    ('石家庄市','济南市',268.228),
    ('太原市','呼和浩特市',338.861),
    ('郑州市','西安市',435.687),
    ('郑州市','合肥市',465.513),
    ('合肥市','南京市',141.475),
    ('南京市','杭州市',235.447),
    ('杭州市','长沙市',733.531),
    ('杭州市','上海市',164.04),
    ('长沙市','南昌市',289.531),
    ('南昌市','武汉市',262.154),
    ('南昌市','福州市',444.143),
    ('福州市','台北市',250.622),
    ('长沙市','广州市',564.43),
    ('广州市','澳门',106.634),
    ('澳门','香港',64.0048),
    ('澳门','海口市',421.967),
    ('海口市','南宁市',365.228),
    ('南宁市','贵阳市',447.881),
    ('贵阳市','重庆市',329.197),
    ('重庆市','成都市',265.982),
    ('贵阳市','昆明市',435.472),
    ('天津市','沈阳市',605.429),
    ('沈阳市','长春市',279.076),
    ('长春市','哈尔滨市',232.473),
    ('成都市','拉萨市',1249.67),
    ('西宁市','乌鲁木齐市',1441.9)
    ]
    
    G = nx.Graph()
    G.add_weighted_edges_from(edges)
    
    node_locations = {
        '沈阳市': (41.796768, 123.429092),
        '长春市': (43.886841, 125.324501),
        '哈尔滨市': (45.756966, 126.642464),
        '北京市': (39.904987, 116.405289),
        '天津市': (39.125595, 117.190186),
        '呼和浩特市': (40.841490, 111.751990),
        '银川市': (38.486440, 106.232480),
        '太原市': (37.857014, 112.549248),
        '石家庄市': (38.045475, 114.502464),
        '济南市': (36.675808, 117.000923),
        '郑州市': (34.757977, 113.665413),
        '西安市': (34.263161, 108.948021),
        '武汉市': (30.584354, 114.298569),
        '南京市': (32.041546, 118.76741),
        '合肥市': (31.861191, 117.283043),
        '上海市': (31.231707, 121.472641),
        '长沙市': (28.19409, 112.982277),
        '南昌市': (28.676493, 115.892151),
        '杭州市': (30.287458, 120.15358),
        '福州市': (26.075302, 119.306236),
        '广州市': (23.125177, 113.28064),
        '台北市': (25.0307240, 121.5200760),
        '海口市': (20.044220, 110.199890),
        '南宁市': (22.82402, 108.320007),
        '重庆市': (29.533155, 106.504959),
        '昆明市': (25.040609, 102.71225),
        '贵阳市': (26.578342, 106.713478),
        '成都市': (30.659462, 104.065735),
        '兰州市': (36.061380, 103.834170),
        '西宁市': (36.617290, 101.777820),
        '拉萨市': (29.644150, 91.11450),
        '乌鲁木齐市': (43.826630, 87.616880),
        '香港': (22.275340, 114.165460),
        '澳门': (22.198750, 113.549130)
    }
    
    pos = {node: (lon, lat) for node, (lat, lon) in node_locations.items()}
    
    
    pos_adjusted = {}
    epsilon = 10  
    for node, (lon, lat) in pos.items():
        pos_adjusted[node] = (lon + epsilon, lat + epsilon)
    
    plt.figure(figsize=(15, 15))
    nx.draw(G, pos_adjusted, with_labels=True, node_size=500, node_color='lightblue')
    
    labels = nx.get_edge_attributes(G, 'weight')
    #nx.draw_networkx_edge_labels(G, pos_adjusted, edge_labels=labels)
    
    plt.show()
    
    import networkx as nx import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False edges = [ ('西宁市','郑州市',1092.57), ('西宁市','兰州市',194.278), ('兰州市','银川市',343.112), ('郑州市','太原市',358.809), ('太原市','石家庄市',172.534), ('石家庄市','天津市',262.662), ('天津市','北京市',109.744), ('石家庄市','济南市',268.228), ('太原市','呼和浩特市',338.861), ('郑州市','西安市',435.687), ('郑州市','合肥市',465.513), ('合肥市','南京市',141.475), ('南京市','杭州市',235.447), ('杭州市','长沙市',733.531), ('杭州市','上海市',164.04), ('长沙市','南昌市',289.531), ('南昌市','武汉市',262.154), ('南昌市','福州市',444.143), ('福州市','台北市',250.622), ('长沙市','广州市',564.43), ('广州市','澳门',106.634), ('澳门','香港',64.0048), ('澳门','海口市',421.967), ('海口市','南宁市',365.228), ('南宁市','贵阳市',447.881), ('贵阳市','重庆市',329.197), ('重庆市','成都市',265.982), ('贵阳市','昆明市',435.472), ('天津市','沈阳市',605.429), ('沈阳市','长春市',279.076), ('长春市','哈尔滨市',232.473), ('成都市','拉萨市',1249.67), ('西宁市','乌鲁木齐市',1441.9) ] G = nx.Graph() G.add_weighted_edges_from(edges) node_locations = { '沈阳市': (41.796768, 123.429092), '长春市': (43.886841, 125.324501), '哈尔滨市': (45.756966, 126.642464), '北京市': (39.904987, 116.405289), '天津市': (39.125595, 117.190186), '呼和浩特市': (40.841490, 111.751990), '银川市': (38.486440, 106.232480), '太原市': (37.857014, 112.549248), '石家庄市': (38.045475, 114.502464), '济南市': (36.675808, 117.000923), '郑州市': (34.757977, 113.665413), '西安市': (34.263161, 108.948021), '武汉市': (30.584354, 114.298569), '南京市': (32.041546, 118.76741), '合肥市': (31.861191, 117.283043), '上海市': (31.231707, 121.472641), '长沙市': (28.19409, 112.982277), '南昌市': (28.676493, 115.892151), '杭州市': (30.287458, 120.15358), '福州市': (26.075302, 119.306236), '广州市': (23.125177, 113.28064), '台北市': (25.0307240, 121.5200760), '海口市': (20.044220, 110.199890), '南宁市': (22.82402, 108.320007), '重庆市': (29.533155, 106.504959), '昆明市': (25.040609, 102.71225), '贵阳市': (26.578342, 106.713478), '成都市': (30.659462, 104.065735), '兰州市': (36.061380, 103.834170), '西宁市': (36.617290, 101.777820), '拉萨市': (29.644150, 91.11450), '乌鲁木齐市': (43.826630, 87.616880), '香港': (22.275340, 114.165460), '澳门': (22.198750, 113.549130) } pos = {node: (lon, lat) for node, (lat, lon) in node_locations.items()} pos_adjusted = {} epsilon = 10 for node, (lon, lat) in pos.items(): pos_adjusted[node] = (lon + epsilon, lat + epsilon) plt.figure(figsize=(15, 15)) nx.draw(G, pos_adjusted, with_labels=True, node_size=500, node_color='lightblue') labels = nx.get_edge_attributes(G, 'weight') #nx.draw_networkx_edge_labels(G, pos_adjusted, edge_labels=labels) plt.show()
    No description has been provided for this image
    In [ ]:
    Copied!
    import networkx as nx
    import matplotlib.pyplot as plt
    
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    
    edges = [
     ('沈阳市','长春市',279.076),
    ('长春市','哈尔滨市',232.473),
    ('沈阳市','天津市',605.429),
    ('天津市','北京市',109.744),
    ('天津市','石家庄市',262.662),
    ('石家庄市','太原市',172.534),
    ('石家庄市','济南市',268.228),
    ('太原市','呼和浩特市',338.861),
    ('太原市','郑州市',358.809),
    ('郑州市','西安市',435.687),
    ('郑州市','合肥市',465.513),
    ('合肥市','南京市',141.475),
    ('南京市','杭州市',235.447),
    ('杭州市','上海市',164.04),
    ('合肥市','武汉市',317.307),
    ('武汉市','南昌市',262.154),
    ('南昌市','长沙市',289.531),
    ('南昌市','福州市',444.143),
    ('福州市','台北市',250.622),
    ('西安市','兰州市',505.96),
    ('兰州市','西宁市',194.278),
    ('兰州市','银川市',343.112),
    ('长沙市','广州市',564.43),
    ('广州市','香港',131.027),
    ('广州市','海口市',467.756),
    ('海口市','南宁市',365.228),
    ('海口市','澳门',421.967),
    ('南宁市','贵阳市',447.881),
    ('贵阳市','重庆市',329.197),
    ('重庆市','成都市',265.982),
    ('贵阳市','昆明市',435.472),
    ('成都市','拉萨市',1249.67),
    ('西宁市','乌鲁木齐市',1441.9)
    ]
    
    G = nx.Graph()
    G.add_weighted_edges_from(edges)
    
    node_locations = {
        '沈阳市': (41.796768, 123.429092),
        '长春市': (43.886841, 125.324501),
        '哈尔滨市': (45.756966, 126.642464),
        '北京市': (39.904987, 116.405289),
        '天津市': (39.125595, 117.190186),
        '呼和浩特市': (40.841490, 111.751990),
        '银川市': (38.486440, 106.232480),
        '太原市': (37.857014, 112.549248),
        '石家庄市': (38.045475, 114.502464),
        '济南市': (36.675808, 117.000923),
        '郑州市': (34.757977, 113.665413),
        '西安市': (34.263161, 108.948021),
        '武汉市': (30.584354, 114.298569),
        '南京市': (32.041546, 118.76741),
        '合肥市': (31.861191, 117.283043),
        '上海市': (31.231707, 121.472641),
        '长沙市': (28.19409, 112.982277),
        '南昌市': (28.676493, 115.892151),
        '杭州市': (30.287458, 120.15358),
        '福州市': (26.075302, 119.306236),
        '广州市': (23.125177, 113.28064),
        '台北市': (25.0307240, 121.5200760),
        '海口市': (20.044220, 110.199890),
        '南宁市': (22.82402, 108.320007),
        '重庆市': (29.533155, 106.504959),
        '昆明市': (25.040609, 102.71225),
        '贵阳市': (26.578342, 106.713478),
        '成都市': (30.659462, 104.065735),
        '兰州市': (36.061380, 103.834170),
        '西宁市': (36.617290, 101.777820),
        '拉萨市': (29.644150, 91.11450),
        '乌鲁木齐市': (43.826630, 87.616880),
        '香港': (22.275340, 114.165460),
        '澳门': (22.198750, 113.549130)
    }
    
    pos = {node: (lon, lat) for node, (lat, lon) in node_locations.items()}
    
    
    pos_adjusted = {}
    epsilon = 10 
    for node, (lon, lat) in pos.items():
        pos_adjusted[node] = (lon + epsilon, lat + epsilon)
    
    plt.figure(figsize=(15, 15))
    nx.draw(G, pos_adjusted, with_labels=True, node_size=500, node_color='lightblue')
    
    labels = nx.get_edge_attributes(G, 'weight')
    #nx.draw_networkx_edge_labels(G, pos_adjusted, edge_labels=labels)
    
    plt.show()
    
    import networkx as nx import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False edges = [ ('沈阳市','长春市',279.076), ('长春市','哈尔滨市',232.473), ('沈阳市','天津市',605.429), ('天津市','北京市',109.744), ('天津市','石家庄市',262.662), ('石家庄市','太原市',172.534), ('石家庄市','济南市',268.228), ('太原市','呼和浩特市',338.861), ('太原市','郑州市',358.809), ('郑州市','西安市',435.687), ('郑州市','合肥市',465.513), ('合肥市','南京市',141.475), ('南京市','杭州市',235.447), ('杭州市','上海市',164.04), ('合肥市','武汉市',317.307), ('武汉市','南昌市',262.154), ('南昌市','长沙市',289.531), ('南昌市','福州市',444.143), ('福州市','台北市',250.622), ('西安市','兰州市',505.96), ('兰州市','西宁市',194.278), ('兰州市','银川市',343.112), ('长沙市','广州市',564.43), ('广州市','香港',131.027), ('广州市','海口市',467.756), ('海口市','南宁市',365.228), ('海口市','澳门',421.967), ('南宁市','贵阳市',447.881), ('贵阳市','重庆市',329.197), ('重庆市','成都市',265.982), ('贵阳市','昆明市',435.472), ('成都市','拉萨市',1249.67), ('西宁市','乌鲁木齐市',1441.9) ] G = nx.Graph() G.add_weighted_edges_from(edges) node_locations = { '沈阳市': (41.796768, 123.429092), '长春市': (43.886841, 125.324501), '哈尔滨市': (45.756966, 126.642464), '北京市': (39.904987, 116.405289), '天津市': (39.125595, 117.190186), '呼和浩特市': (40.841490, 111.751990), '银川市': (38.486440, 106.232480), '太原市': (37.857014, 112.549248), '石家庄市': (38.045475, 114.502464), '济南市': (36.675808, 117.000923), '郑州市': (34.757977, 113.665413), '西安市': (34.263161, 108.948021), '武汉市': (30.584354, 114.298569), '南京市': (32.041546, 118.76741), '合肥市': (31.861191, 117.283043), '上海市': (31.231707, 121.472641), '长沙市': (28.19409, 112.982277), '南昌市': (28.676493, 115.892151), '杭州市': (30.287458, 120.15358), '福州市': (26.075302, 119.306236), '广州市': (23.125177, 113.28064), '台北市': (25.0307240, 121.5200760), '海口市': (20.044220, 110.199890), '南宁市': (22.82402, 108.320007), '重庆市': (29.533155, 106.504959), '昆明市': (25.040609, 102.71225), '贵阳市': (26.578342, 106.713478), '成都市': (30.659462, 104.065735), '兰州市': (36.061380, 103.834170), '西宁市': (36.617290, 101.777820), '拉萨市': (29.644150, 91.11450), '乌鲁木齐市': (43.826630, 87.616880), '香港': (22.275340, 114.165460), '澳门': (22.198750, 113.549130) } pos = {node: (lon, lat) for node, (lat, lon) in node_locations.items()} pos_adjusted = {} epsilon = 10 for node, (lon, lat) in pos.items(): pos_adjusted[node] = (lon + epsilon, lat + epsilon) plt.figure(figsize=(15, 15)) nx.draw(G, pos_adjusted, with_labels=True, node_size=500, node_color='lightblue') labels = nx.get_edge_attributes(G, 'weight') #nx.draw_networkx_edge_labels(G, pos_adjusted, edge_labels=labels) plt.show()
    No description has been provided for this image
    In [ ]:
    Copied!
    import networkx as nx
    import matplotlib.pyplot as plt
    
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False
    
    edges = [
    ('沈阳市','长春市',279.076),
    ('长春市','哈尔滨市',232.473),
    ('沈阳市','天津市',605.429),
    ('天津市','北京市',109.744),
    ('天津市','石家庄市',262.662),
    ('石家庄市','太原市',172.534),
    ('石家庄市','济南市',268.228),
    ('太原市','呼和浩特市',338.861),
    ('太原市','郑州市',358.809),
    ('郑州市','西安市',435.687),
    ('西安市','兰州市',505.96),
    ('兰州市','西宁市',194.278),
    ('兰州市','银川市',343.112),
    ('西宁市','乌鲁木齐市',1441.9),
    ('上海市','杭州市',164.04),
    ('杭州市','南京市',235.447),
    ('南京市','合肥市',141.475),
    ('合肥市','武汉市',317.307),
    ('武汉市','南昌市',262.154),
    ('南昌市','长沙市',289.531),
    ('南昌市','福州市',444.143),
    ('福州市','台北市',250.622),
    ('长沙市','广州市',564.43),
    ('广州市','澳门',106.634),
    ('澳门','香港',64.0048),
    ('澳门','海口市',421.967),
    ('海口市','南宁市',365.228),
    ('南宁市','贵阳市',447.881),
    ('贵阳市','重庆市',329.197),
    ('重庆市','成都市',265.982),
    ('贵阳市','昆明市',435.472),
    ('成都市','拉萨市',1249.67),
    ('合肥市','郑州市',465.513)
    ]
    
    G = nx.Graph()
    G.add_weighted_edges_from(edges)
    
    node_locations = {
        '沈阳市': (41.796768, 123.429092),
        '长春市': (43.886841, 125.324501),
        '哈尔滨市': (45.756966, 126.642464),
        '北京市': (39.904987, 116.405289),
        '天津市': (39.125595, 117.190186),
        '呼和浩特市': (40.841490, 111.751990),
        '银川市': (38.486440, 106.232480),
        '太原市': (37.857014, 112.549248),
        '石家庄市': (38.045475, 114.502464),
        '济南市': (36.675808, 117.000923),
        '郑州市': (34.757977, 113.665413),
        '西安市': (34.263161, 108.948021),
        '武汉市': (30.584354, 114.298569),
        '南京市': (32.041546, 118.76741),
        '合肥市': (31.861191, 117.283043),
        '上海市': (31.231707, 121.472641),
        '长沙市': (28.19409, 112.982277),
        '南昌市': (28.676493, 115.892151),
        '杭州市': (30.287458, 120.15358),
        '福州市': (26.075302, 119.306236),
        '广州市': (23.125177, 113.28064),
        '台北市': (25.0307240, 121.5200760),
        '海口市': (20.044220, 110.199890),
        '南宁市': (22.82402, 108.320007),
        '重庆市': (29.533155, 106.504959),
        '昆明市': (25.040609, 102.71225),
        '贵阳市': (26.578342, 106.713478),
        '成都市': (30.659462, 104.065735),
        '兰州市': (36.061380, 103.834170),
        '西宁市': (36.617290, 101.777820),
        '拉萨市': (29.644150, 91.11450),
        '乌鲁木齐市': (43.826630, 87.616880),
        '香港': (22.275340, 114.165460),
        '澳门': (22.198750, 113.549130)
    }
    
    pos = {node: (lon, lat) for node, (lat, lon) in node_locations.items()}
    
    
    pos_adjusted = {}
    epsilon = 10  
    for node, (lon, lat) in pos.items():
        pos_adjusted[node] = (lon + epsilon, lat + epsilon)
    
    plt.figure(figsize=(15, 15))
    nx.draw(G, pos_adjusted, with_labels=True, node_size=500, node_color='lightblue')
    
    labels = nx.get_edge_attributes(G, 'weight')
    #nx.draw_networkx_edge_labels(G, pos_adjusted, edge_labels=labels)
    
    plt.show()
    
    import networkx as nx import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False edges = [ ('沈阳市','长春市',279.076), ('长春市','哈尔滨市',232.473), ('沈阳市','天津市',605.429), ('天津市','北京市',109.744), ('天津市','石家庄市',262.662), ('石家庄市','太原市',172.534), ('石家庄市','济南市',268.228), ('太原市','呼和浩特市',338.861), ('太原市','郑州市',358.809), ('郑州市','西安市',435.687), ('西安市','兰州市',505.96), ('兰州市','西宁市',194.278), ('兰州市','银川市',343.112), ('西宁市','乌鲁木齐市',1441.9), ('上海市','杭州市',164.04), ('杭州市','南京市',235.447), ('南京市','合肥市',141.475), ('合肥市','武汉市',317.307), ('武汉市','南昌市',262.154), ('南昌市','长沙市',289.531), ('南昌市','福州市',444.143), ('福州市','台北市',250.622), ('长沙市','广州市',564.43), ('广州市','澳门',106.634), ('澳门','香港',64.0048), ('澳门','海口市',421.967), ('海口市','南宁市',365.228), ('南宁市','贵阳市',447.881), ('贵阳市','重庆市',329.197), ('重庆市','成都市',265.982), ('贵阳市','昆明市',435.472), ('成都市','拉萨市',1249.67), ('合肥市','郑州市',465.513) ] G = nx.Graph() G.add_weighted_edges_from(edges) node_locations = { '沈阳市': (41.796768, 123.429092), '长春市': (43.886841, 125.324501), '哈尔滨市': (45.756966, 126.642464), '北京市': (39.904987, 116.405289), '天津市': (39.125595, 117.190186), '呼和浩特市': (40.841490, 111.751990), '银川市': (38.486440, 106.232480), '太原市': (37.857014, 112.549248), '石家庄市': (38.045475, 114.502464), '济南市': (36.675808, 117.000923), '郑州市': (34.757977, 113.665413), '西安市': (34.263161, 108.948021), '武汉市': (30.584354, 114.298569), '南京市': (32.041546, 118.76741), '合肥市': (31.861191, 117.283043), '上海市': (31.231707, 121.472641), '长沙市': (28.19409, 112.982277), '南昌市': (28.676493, 115.892151), '杭州市': (30.287458, 120.15358), '福州市': (26.075302, 119.306236), '广州市': (23.125177, 113.28064), '台北市': (25.0307240, 121.5200760), '海口市': (20.044220, 110.199890), '南宁市': (22.82402, 108.320007), '重庆市': (29.533155, 106.504959), '昆明市': (25.040609, 102.71225), '贵阳市': (26.578342, 106.713478), '成都市': (30.659462, 104.065735), '兰州市': (36.061380, 103.834170), '西宁市': (36.617290, 101.777820), '拉萨市': (29.644150, 91.11450), '乌鲁木齐市': (43.826630, 87.616880), '香港': (22.275340, 114.165460), '澳门': (22.198750, 113.549130) } pos = {node: (lon, lat) for node, (lat, lon) in node_locations.items()} pos_adjusted = {} epsilon = 10 for node, (lon, lat) in pos.items(): pos_adjusted[node] = (lon + epsilon, lat + epsilon) plt.figure(figsize=(15, 15)) nx.draw(G, pos_adjusted, with_labels=True, node_size=500, node_color='lightblue') labels = nx.get_edge_attributes(G, 'weight') #nx.draw_networkx_edge_labels(G, pos_adjusted, edge_labels=labels) plt.show()
    No description has been provided for this image
    In [ ]:
    Copied!
    
    
    Made with Material for MkDocs