听说最近Pyment无法访问了，准备搞个镜像，去去就来。
不对啊，没开代理可以直接访问啊。。。
以下为原文内容：
——————————分割线——————————————
之前写过一个博客基于Python的多层网络可视化包Multinetx，也可以绘制多层网络，感兴趣的小伙伴可以翻看。
介绍
根据官方手册的介绍，pymnet 库可参考如下链接：
pymnet 库可以生成多层和多路复用网络的图像。 库中绘制网络图像的主要使用了 Matplotlib ， 支持矢量格式（例如 pdf 或 svg）及光栅格式（例如 png）。 此外还可以使用 Javascript 和 d3.js 绘制网络图片，这样就可以使用浏览器查看这些交互式图形了。
安装
进入：https://bitbucket.org/bolozna/multilayer-networks-library/src/default/ 下载之后，解压，然后可以使用
python setup.py install
或者简单粗暴地直接 放入 python_path -> Lib -> site-packages 里面。注意：如果遇到 No model named pymmnet 这样的错误提示，请注意是否注释掉了默认的 sample 代码。
使用
新建 test.py, 粘贴如下示例代码：
from pymnet import *
fig=draw(er(10,3*[0.4]),layout="spring")
fig.savefig('test.pdf')
打开生成的 pdf, 效果如下：
看，是否似曾相似
对，就是 Kivela 的 Multilayer networks 综述[1]里的多层网络可视化效果，支持 aspect 的那种。使用的时候，需要保存到本地pdf，如果按照官方提示给出的
from pymnet import *
net = models.er_multilayer(5,2,0.2)
fig = draw(net, show=True)
是看不出来结果的。并且控制台会提示：UserWarning: Matplotlib is currently using agg, which is a non-GUI backend, so cannot show the figure. % get_backend())，该问题是因为这段代码默认是在命令行执行，没有可视化交互界面导致的，可在代码中添加如下内容：
import matplotlib
matplotlib.use('TkAgg')
即可以预览方式呈现。真实网络数据集可视化
这个可视化工具支持 邻接矩阵，以 bkfrat.dat 数据集为例，输入如下代码：
from pymnet import *
net = read_ucinet("bkfrat.dat", couplings="none")
net = transforms.threshold(net, 4)
fig = draw(net,
show=True,
layout="spring",
layerColorRule={},
defaultLayerColor="gray",
nodeLabelRule={},
edgeColorRule={"rule": "edgeweight",
"colormap": "jet", "scaleby": 0.1}
)
fig.savefig('bkfrat.pdf')
得到的结果如下：
————更新@2020-6-26 18:04:13————
感谢 xxxxxin 同学提醒自定义函数的用法，更新一下代码：
from pymnet import *
net = read_ucinet("bkfrat.dat", couplings="none")
net = transforms.threshold(net, 4)
fig = draw(
net,
show=True,
layout="spring",
layerColorRule={},
defaultLayerColor="gray",
nodeLabelRule={},
edgeColorRule={
"rule": "edgeweight",
"colormap": "jet",
"scaleby": 0.1,
'f':lambda x=net: func(x)
}
)
fig.savefig('bkfrat.pdf')
def func(x):
''' 自定义函数 '''
print('自定义函数的参数：',x)
return 1
这里面的**Rule参数里支持自定义函数，比如想统一修改边权值对应的colormap样式，可以设置某种计算，我这里都设置为1了，也就是边权值都更改为1，不区分颜色了，效果如图：
参考资料：
- Multilayer Networks. Mikko Kivela, Alexandre Arenas, Marc Barthelemy, James P. Gleeson, Yamir Moreno, Mason A. Porter, arXiv:1309.7233 [physics.soc-ph]
- Multilayer Networks Library for Python (Pymnet). http://www.mkivela.com/pymnet/index.html
- UCINET IV Datasets. http://vlado.fmf.uni-lj.si/pub/networks/data/ucinet/ucidata.htm#bkfrat