### 使用 Python 的 NetworkX 库构建包含多个子网的网络图 #### 创建具有子网特性的图 NetworkX 提供了灵活的方式来创建和操作复杂的网络结构。为了表示多个子网，可以通过为节点分配特定属性来区分它们所属的不同子网[^1]。例如，在创建节点时为其附加 `subnet` 属性： ```python import networkx as nx # 初始化无向图 G = nx.Graph() # 添加带有 subnet 属性的节点 G.add_node("A", subnet="Subnet1") G.add_node("B", subnet="Subnet1") G.add_node("C", subnet="Subnet2") G.add_node("D", subnet="Subnet2") # 添加连接不同子网的边 G.add_edge("A", "B") # 同一子网内的边 G.add_edge("C", "D") # 另一个子网内的边 G.add_edge("A", "C") # 跨子网的边 ``` 通过这种方式，可以轻松地将节点划分为不同的逻辑组（即子网），并通过这些分组进一步分析或可视化。 #### 过滤特定子网中的节点与边 当需要处理某个具体子网的数据时，可以从整个图形中筛选出符合条件的部分。利用 NetworkX 中的视图机制能够高效完成这一任务[^4]: ```python def filter_subgraph(graph, subnet_name): """基于指定子网名称返回对应的子图""" filtered_nodes = [node for node, attr in graph.nodes(data=True) if attr.get('subnet') == subnet_name] return graph.subgraph(filtered_nodes) # 获取 Subnet1 对应的子图 subgraph_subnet1 = filter_subgraph(G, 'Subnet1') print(f"Nodes in Subnet1: {list(subgraph_subnet1.nodes)}") print(f"Edges in Subnet1: {list(subgraph_subnet1.edges)}") ``` 此函数会遍历原始图的所有节点及其数据字典，挑选那些匹配给定子网标签的节点集合，并据此生成一个新的子图实例。 #### 绘制带子网信息的网络图 最后一步是对所建立的含有多重子网关系的网络进行直观呈现。借助 Matplotlib 结合自定义样式参数可突出显示各部分特征[^5]: ```python import matplotlib.pyplot as plt pos = nx.spring_layout(G) # 定义布局方式 colors = ['red' if data['subnet']=='Subnet1' else 'blue' for _,data in G.nodes(data=True)] nx.draw_networkx_nodes(G, pos, node_color=colors) nx.draw_networkx_labels(G, pos) nx.draw_networkx_edges(G, pos, width=1.0, alpha=0.5) plt.title("Graph with Multiple Subnets") plt.axis('off') plt.show() ``` 以上代码片段展示了如何依据节点所属子网调整其颜色表现形式，从而更清晰地区分开各个独立区域之间的界限。 ---