给你点东西让你开始。
正如您所指出的，networkx.draw将绘制一个二维图。

点的位置可以从networkx.spring_layout函数中提取（这是调用draw时点的默认布局）。

import networkx
import numpy as np
import itertools as it
import matplotlib.pyplot as plt

g = networkx.Graph(E)

pts = networkx.spring_layout(g)

示例（由于networkx布局函数的随机性，这些点将四处移动）：

{1: array([-0.35707887, -0.02227005]),
 2: array([-0.35348547, -1.        ]),
 3: array([ 0.26374451, -0.24148893]),
 4: array([0.56832209, 0.50997504]),
 5: array([-0.12150225,  0.75378394])}

按如下方式提取点：

pts_array = np.array([pt[1] for pt in sorted(list(pts.items()))])

顶点之间的连接可以从E dict中获得，如下所示：

ix_connections = [a for a in it.chain.from_iterable([list(zip(it.repeat(b[0]), b[1])) for b in E.items()])]

[(1, 2), (1, 3), (1, 4), (2, 1), (2, 2), (2, 3), (3, 1), (3, 4), (3, 5), (4, 5), (5, 1), (5, 3)]

因此，我们可以像这样手动绘制图形：

plt.figure()
ax=plt.gca()
ax.plot(*pts_array.T, 'o')
for i,j in ix_connections:
  ax.plot(*pts_array[[i-1,j-1],:].T,'k')

现在，我们可以使用plt.scatter和三维投影轴来绘制高度：

pts_array_z = np.hstack((np.array([pt[1] for pt in sorted(list(pts.items()))]), 
                         np.array(c)[:,np.newaxis]))
fig=plt.figure()
ax=fig.add_subplot(projection='3d')
ax.plot(*pts_array_z.T, 'o')
for i,j in ix_connections:
  ax.plot(*pts_array_z[[i-1,j-1],:].T,'k')

注：这些图不包括顶点2上的循环，您需要自己绘制。此外，这里绘制的图形是无向的，需要为您的有向边包括箭头