用Python可视化平面图3分钟动态验证欧拉公式第一次接触欧拉公式时盯着那个简洁的n-mr2看了半天——公式里的字母我都认识可它们组合起来就像天书。直到某天用Python画出了K5和K3,3的平面嵌入图突然发现那些抽象的数学符号在屏幕上活了过来。这就像用X光机给数学定理做了次透视公式背后的几何结构变得一目了然。1. 平面图的可视化准备安装好networkx和matplotlib后我们先从最简单的环形图开始热身。在Jupyter Notebook里运行以下代码你会看到六个节点均匀分布在圆周上像钟表刻度般整齐排列import networkx as nx import matplotlib.pyplot as plt G nx.cycle_graph(6) pos nx.circular_layout(G) # 环形布局 nx.draw(G, pos, with_labelsTrue, node_colorlightblue) plt.show()平面图(Planar Graph)的核心特征是边可以在平面上绘制且互不交叉。但有些图天生就拒绝这种优雅——比如著名的K5五个节点两两相连和K3,3二分图各三个节点全连接。试试用下面的代码生成K5K5 nx.complete_graph(5) pos nx.spring_layout(K5, seed42) # 随机布局 nx.draw(K5, pos, with_labelsTrue, node_colorsalmon) plt.show()你会看到边像纠结的意大利面般缠绕在一起。这就是典型的非平面图特征也是图论中著名的库拉托夫斯基定理的直观体现。2. 欧拉公式的动态验证欧拉公式的魔法在于它将拓扑不变量联系起来。让我们用Python构建一个立方体图来验证cube nx.grid_graph([2,2,2]) # 3D立方体图 pos nx.spring_layout(cube) nx.draw(cube, pos, with_labelsTrue) # 计算要素 n len(cube.nodes) # 节点数8 m len(cube.edges) # 边数12 r 6 # 通过可视化可数出面数(6个正方形面) print(fn - m r {n} - {m} {r} {n - m r}) # 输出8-1262更酷的是实时修改图形观察公式变化。删除一条对角线边面数会如何变化cube.remove_edge((0,0,0), (1,1,1)) # 删除空间对角线 r 5 # 现在外部大面4个侧面 print(f修改后: 8 - 11 5 {8 - 11 5}) # 依然等于23. 极大平面图的特征识别极大平面图就像充满三角形的网格气球。判断标准很简单每个面都是三角形度数为3。用代码检测四面体图tetrahedron nx.complete_graph(4) pos nx.planar_layout(tetrahedron) nx.draw(tetrahedron, pos, with_labelsTrue) # 面度数检测 def is_maximal_planar(G): return all(len(face) 3 for face in nx.planar_faces(G)) print(f是否极大平面图: {is_maximal_planar(tetrahedron)}) # 返回True对比K5删边后的情况K5_minus_edge nx.complete_graph(5) K5_minus_edge.remove_edge(0,1) # 删除任意一条边 print(fK5删边后是否极大平面: {is_maximal_planar(K5_minus_edge)}) # 仍然False4. 平面性判定实战技巧虽然库拉托夫斯基定理给出了理论依据但实际判断时可以用以下经验法则边数阈值对于n≥3的简单连通图若m 3n-6则必定非平面二分图特例对于不含3-cycles的图若m 2n-4则非平面用Python快速验证K3,3K33 nx.complete_bipartite_graph(3,3) n, m len(K33.nodes), len(K33.edges) print(f3n-6{3*6-6}, 实际边数{m}) # 129 print(f2n-4{2*6-4}, 实际边数{m}) # 98可视化时有个小技巧——使用planar_layout尝试平面排布try: pos nx.planar_layout(K33) # 会抛出NetworkXException except nx.NetworkXException: print(无法生成平面布局证实是非平面图)5. 高级可视化技巧要让面边界更清晰可以使用面填充技术。以下代码展示如何突出显示平面图的外部面from matplotlib.patches import Polygon G nx.octahedral_graph() # 八面体图 pos nx.planar_layout(G) nx.draw(G, pos, with_labelsTrue) # 获取外部面顶点坐标 outer_face [pos[v] for v in [0,1,2,3,0]] plt.gca().add_patch(Polygon(outer_face, alpha0.2, colorgold)) plt.show()对于更复杂的图形可以结合graphviz的twopi布局获得更好的展示效果pos nx.nx_agraph.graphviz_layout(G, progtwopi, args-Goverlapscale) nx.draw(G, pos, node_size500, alpha0.8)记得在代码中适时添加plt.savefig(planar_demo.png, dpi300)保存高质量图像方便后续研究或报告使用。