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
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。

# 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。

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
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",
    partitions=partitions,
)

3.5. 树状图

树状图的布局需要配合参数
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",
    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",
    root_vertex=2,
)

4. 附件

文中完整的代码放在网盘中了（
digraph.py
），

下载地址:
完整代码
(访问密码: 6872)