这里有一个解决方案，您只使用networkx来创建多层图，并且您可以自己计算节点位置。在

为了解释这个问题，我们随机创建了一个由30个节点组成的小图。在

层是具有附加属性的子图：(x，y)坐标和颜色。

坐标用于在二维网格中相对定位图层。在import networkx as nx

# create a random graph of 30 nodes

graph = nx.fast_gnp_random_graph(30, .2, seed=2019)

# Layers have coordinates and colors

layers = [

(nx.Graph(), (0, 0), "#ffaaaa"),

(nx.Graph(), (0, 1), "#aaffaa"),

(nx.Graph(), (0, 2), "#aaaaff"),

(nx.Graph(), (1, 2), "#ffa500"),

]

每个层都填充了主图形的节点。

在这里，我们决定将节点列表分成不同的范围(图中节点的开始和结束索引)。在

每个节点的颜色存储在颜色映射中。

此变量将在稍后的图形绘制过程中使用。在

^{pr2}$

然后，我们可以计算出每个节点的位置。

根据层坐标移动节点位置。在# Calculate and move the nodes position

all_pos = {}

for layer, (sx, sy), color in layers:

pos = nx.circular_layout(layer, scale=2) # or spring_layout...

for node in pos:

all_pos[node] = pos[node]

all_pos[node] += (10 * sx, 10 * sy)

我们现在可以绘制图表：import matplotlib.pyplot as plt

# Draw and display the graph

nx.draw(graph, all_pos, node_size=500, node_color=color_map, with_labels=True)

plt.show()

结果如下：

当然，您可以使用三维栅格并使用投影来进行类似于三维的预览。在