matplotlib绘制三维网络拓扑图，节点数超过5000个

当节点数超过5000个时，直接使用Matplotlib绘制可能会导致图形渲染速度变慢，甚至无法正常显示。为了应对这种情况，可以考虑使用更专业的可视化工具，如Mayavi或Plotly。

下面是一个使用Mayavi库绘制三维网络拓扑图的示例代码：

import numpy as np
from mayavi import mlab

# 生成随机节点坐标
nodes = np.random.rand(5000, 3)

# 生成随机连接线
edges = np.random.randint(0, 5000, size=(10000, 2))

# 创建图形对象
fig = mlab.figure(size=(800, 800))

# 绘制节点
mlab.points3d(nodes[:, 0], nodes[:, 1], nodes[:, 2], color=(0, 0, 1), scale_factor=0.2)

# 绘制连接线
for edge in edges:
    mlab.plot3d([nodes[edge[0], 0], nodes[edge[1], 0]],
                [nodes[edge[0], 1], nodes[edge[1], 1]],
                [nodes[edge[0], 2], nodes[edge[1], 2]], color=(1, 0, 0), tube_radius=0.05)

# 显示图形
mlab.show()

这段代码使用了Mayavi库来绘制三维图形，它具有更好的性能和交互性能，适合处理大量数据点。

如果你更倾向于使用Plotly来绘制三维网络拓扑图，你可以使用plotly库中的3D散点图和线图。以下是一个简单的示例代码：

import plotly.graph_objects as go

# 生成随机节点坐标
nodes = np.random.rand(5000, 3)

# 生成随机连接线
edges = np.random.randint(0, 5000, size=(10000, 2))

# 创建节点散点图
node_trace = go.Scatter3d(
    x=nodes[:, 0],
    y=nodes[:, 1],
    z=nodes[:, 2],
    mode='markers',
    marker=dict(
        size=2,
        color='blue'
    )
)

# 创建连接线图
edge_trace = go.Scatter3d(
    x=[nodes[edge[0], 0] for edge in edges],
    y=[nodes[edge[0], 1] for edge in edges],
    z=[nodes[edge[0], 2] for edge in edges],
    mode='lines',
    line=dict(
        color='red',
        width=2
    )
)

# 创建图形布局
layout = go.Layout(
    scene=dict(
        xaxis=dict(title='X'),
        yaxis=dict(title='Y'),
        zaxis=dict(title='Z')
    )
)

# 创建图形对象
fig = go.Figure(data=[node_trace, edge_trace], layout=layout)

# 显示图形
fig.show()

这段代码使用了Plotly库创建了一个交互式的三维图形，可以通过鼠标交互来旋转和缩放图形。