有向图和上一篇介绍的无向图基本一样，唯一的区别在于有向图的边有方向性，它表示的是顶点之间的单向或依赖关系。

有向图<code>G一般表示为：G=<V,E>。和无向图一样，V是顶点集合，E是边的集合。

不同之处在于，无向图是用小括号(V,E)，有向图用尖括号<V,E>。

在有向图中，边是有方向的，所以，从顶点A到顶点B的边与从顶点B到顶点A的边是不同的。

与无向图一样，有向图也有很多应用场景，比如：

在地图导航中，有向图常被用来表示道路网络。

节点代表地点（如交叉路口、城市等），有向边代表道路，边的权重可以表示道路的长度、行驶时间或交通状况等。

在供应链管理中，有向图可以用来表示货物的流动路径。

节点代表供应链中的各个环节（如供应商、制造商、分销商等），边代表货物流动的路径，边的容量可以表示货物的承载能力。

在社会网络中，上一篇提到可以用无向图表示用户之间的好友关系。

而有向图同样可以用在社会网络分析，它可以用来表示用户之间的关注关系，转发关系等，用于分析用户的行为模式。

下面介绍manim中绘制有向图的对象DiGraph。

1. 主要参数

有向图对象DiGraph主要参数和无向图类似：

这些参数中，vertices和edges相关的参数（比如xxx_type，xxx_config）比较好理解。

labels参数设置是否需要显示顶点的标签，默认是把vertices的数值作为标签的内容。

layout参数内置了多种现成的布局方式：

• 'circular',
• 'kamada_kawai'
• 'partite'
• 'planar'
• 'random'
• 'shell'
• 'spectral'
• 'spiral'
• 'spring'
• 'tree'

layout_config参数可以对上面现成布局方式的进行微调。

最后两个参数paritions和root_vertex比较特殊，

paritions只能在layout设置为'partite'时使用，用来生成层状的图（比如描述神经网络的图），

paritions用来设置每一层包含哪些顶点；

root_vertex只能在layout设置为'tree'时使用，用来树状图，

root_vertex用来设置树的根节点。

后面的示例会演示如何使用paritions和root_vertex来生成层状和树状的有向图。

2. 主要方法

有向图DiGraph的方法主要用来动态改变有向图，比如添加或删除顶点和边。

networkx是另一个常用的Python库，用于创建、操作和研究复杂网络的结构。

DiGraph对象也可以直接根据networkx的对象生成图。

3. 使用示例

下面的示例和上一篇无向图的示例类似，只是改用有向图DiGraph对象来实现。

3.1. 顶点的配置

顶点的设置和无向图几乎是一样的。

# 不同颜色的设置

graph = DiGraph(

vertex_config={

0: {"color": RED},

# ...

},

)

# 顶点显示标签

graph = DiGraph(

labels=True,

)

# 星形顶点

graph = DiGraph(

vertex_config={"outer_radius": 0.15},

vertex_type=Star,

)

3.2. 边的配置

有向图的边也和顶点一样，可以设置颜色，粗细等属性，

与无向图不同之处在于：有向图的边可以设置箭头的样式。

<code># 边的颜色

graph = DiGraph(

edge_config={

(0, 1): {"color": RED},

# ...

},

)

# 边的粗细

graph = DiGraph(

edge_config={

(0, 1): {"stroke_width": 1},

# ...

},

)

# 不同箭头的边

graph = DiGraph(

edge_config={

(0, 1): {

"tip_config": {

"tip_shape": ArrowCircleTip,

},

},

(0, 2): {

"tip_config": {

"tip_shape": ArrowTriangleTip,

},

},

# ...

},

)

3.3. 内置的layout

有向图中内置的layout和上一篇无向图中介绍的是一样的。

<code>for layout in [

"spring",

"circular",

"kamada_kawai",

"planar",

"random",

"shell",

"spectral",

"spiral",

]:

graph = DiGraph(

layout=layout,

)

3.4. 层状图

层状图的布局需要配合参数<code>partitions一起使用，partitions中决定每一层中有哪些顶点。

有向图的边有方向，绘制出来更像神经网络的结构。

partitions = [[0, 1], [2, 3, 4], [5, 6], [7, 8]]

graph = DiGraph(

layout="partite",code>

partitions=partitions,

)

3.5. 树状图

树状图的布局需要配合参数<code>root_vertex一起使用，root_vertex定义了树的根顶点是哪个。

这里与无向图有个不同的地方，绘制有向的树状图时，顶点和边的顺序很重要，需要从根节点开始，依次传入各个顶点。

下面示例中，第二个树状图改变了 根节点，不是仅仅改变root_vertex就行的，需要先改变图中顶点的顺序。

下面的代码是简略后的代码，完整的代码可以文中最后部分的链接中下载。

# 初始的树

graph = DiGraph(

layout="tree",code>

root_vertex=0,

)

# 重要!!!

# 修改前需要调整节点和边的顺序

# 修改根节点

graph2 = DiGraph(

layout="tree",code>

root_vertex=2,

)

4. 附件

文中完整的代码放在网盘中了（<code>digraph.py），

下载地址: 完整代码 (访问密码: 6872)