搜索

【Python基础】利用 Python 搞定精美网络图！

机器学习初学者

共 7389字，需浏览 15分钟

 ·

2020-10-11 21:09

作者：叶庭云     编辑：Lemon      出品：Python数据之道

一、NetworkX 概述
NetworkX 是一个用 Python 语言开发的图论与复杂网络建模工具，内置了常用的图与复杂网络分析算法，可以方便的进行复杂网络数据分析、仿真建模等工作。
Networkx 支持创建简单无向图、有向图和多重图；内置许多标准的图论算法，节点可为任意数据；支持任意的边值维度，功能丰富。主要用于创造、操作复杂网络，以及学习复杂网络的结构、动力学及其功能。用于分析网络结构，建立网络模型，设计新的网络算法，绘制网络等等。
PS：本文所使用的数据源以及代码文件，可以在文末获取

二、NetworkX 的安装

  1. pip install networkx -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

三、NetworkX 基础知识

1. 创建图

可以利用 networkx 创建四种图：Graph 、DiGraph、MultiGraph、MultiDiGraph，分别为无多重边无向图、无多重边有向图、有多重边无向图、有多重边有向图。
  1. import network as nx
  2. G = nx.Graph()
  3. G = nx.DiGraph()
  4. G = nx.MultiGraph()
  5. G = nx.MultiDiGraph()

2. 网络图的加点和加边

  1. import networkx as nx
  2. import matplotlib.pyplot as plt

  4. G = nx.DiGraph()
  5. G.add_node('z')     # 添加节点z
  6. G.add_nodes_from([1, 2, 3])   # 添加节点 1 2 3
  7. G.add_edge('x', 'y')          # 添加边  起点为x  终点为y
  8. G.add_edges_from([(1, 2), (1, 3), (2, 3)])   # 添加多条边

  10. # 网络图绘制与显示
  11. nx.draw(G, with_labels=True)
  12. plt.show()
运行效果如下：
为了让网络图更美观可以调节 nx.draw() 方法里的参数
  1. nx.draw(G, pos=nx.random_layout(G), node_color = 'b', edge_color = 'r', with_labels = True, font_size =18, node_size =20)

  • G：待绘制的网络图G

  • node_size：指定节点的尺寸大小(默认是300)

  • node_color: 指定节点的颜色 (可以用字符串简单标识颜色，例如'r'为红色，'g'为绿色这样)

  • node_shape: 节点的形状（默认是圆形，用字符串'o'标识）

  • alpha: 透明度 (默认是1.0，不透明，0为完全透明)

  • width: 边的宽度 (默认为1.0)

  • edge_color: 边的颜色(默认为黑色)

  • style: 边的样式(默认为实现，可选：solid | dashed | dotted | dashdot

  • with_labels：节点是否带标签

  • font_size: 节点标签字体大小

  • font_color: 节点标签字体颜色（默认为黑色）

3. 运用布局

circular_layout：节点在一个圆环上均匀分布 
random_layout：节点随机分布 
shell_layout：节点在同心圆上分布 
spring_layout：用 Fruchterman-Reingold 算法排列节点（样子类似多中心放射状） 
spectral_layout：根据图的拉普拉斯特征向量排列节点
绘制网络图实例如下：
  1. import networkx as nx
  2. import matplotlib.pyplot as plt

  4. # 初始化一个有向图对象
  5. DG = nx.DiGraph()
  6. DG.add_node('X')
  7. # 添加节点   传入列表
  8. DG.add_nodes_from(['A', 'B', 'C', 'D', 'E'])
  9. print(f'输出图的全部节点：{DG.nodes}')
  10. print(f'输出节点的数量：{DG.number_of_nodes()}')
  11. # 添加边  传入列表  列表里每个元素是一个元组  元组里表示一个点指向另一个点的边
  12. DG.add_edges_from([('A', 'B'), ('A', 'C'), ('A', 'D'), ('D', 'A'), ('E', 'A'), ('E', 'D')])
  13. DG.add_edge('X', 'C')
  14. print(f'输出图的全部边:{DG.edges}')
  15. print(f'输出边的数量：{DG.number_of_edges()}')
  16. # 可自定义节点颜色
  17. colors = ['pink', 'blue', 'green', 'yellow', 'red', 'brown']
  18. # 运用布局
  19. pos = nx.circular_layout(DG)
  20. # 绘制网络图
  21. nx.draw(DG, pos=pos, with_labels=True, node_size=200, width=0.6, node_color=colors)
  22. # 展示图片
  23. plt.show()
运行效果如下：
  1. 输出图的全部节点：['X', 'A', 'B', 'C', 'D', 'E']
  2. 输出节点的数量：6
  3. 输出图的全部边:[('X', 'C'), ('A', 'B'), ('A', 'C'), ('A', 'D'), ('D', 'A'), ('E', 'A'), ('E', 'D')]
  4. 输出边的数量：7

四、利用 NetworkX 实现关联类分析

利用 soccer.csv 中的数据，使用 Python 的 NetworkX 包按要求进行绘图。

1. 提取数据

统计不同俱乐部（Club）的球员数量，从球员最多的五个俱乐部抽取 50 名球员信息(球员数量最多的俱乐部抽取 30 名，剩下 4 个俱乐部各抽取 5 名)构成新的 DataFrame，打印其 info()。
  1. import pandas as pd

  3. df = pd.read_csv('soccer.csv', encoding='gbk')
  4. data = df['Club'].value_counts()
  5. # 球员人数最多的5个俱乐部
  6. clubs = list(data.index[:5])

  8. # 球员数量最多的俱乐部抽取30名
  9. df1 = df[df['Club'] == clubs[0]].sample(30, axis=0)
  10. # 剩下4个俱乐部各抽取5名
  11. df2 = df[df['Club'] == clubs[1]].sample(5, axis=0)
  12. df3 = df[df['Club'] == clubs[2]].sample(5, axis=0)
  13. df4 = df[df['Club'] == clubs[3]].sample(5, axis=0)
  14. df5 = df[df['Club'] == clubs[4]].sample(5, axis=0)

  16. # 合并多个DataFrame
  17. result = pd.concat([df1, df2, df3, df4, df5], axis=0, ignore_index=True)
  18. # 打乱DataFrame顺序
  19. new_result = result.sample(frac=1).reset_index(drop=True)
  20. # new_result.info()
  21. # 抽样的数据保存到excel
  22. new_result.to_excel('samples.xlsx')
Jupyter Notebook 环境中读取 samples.xlsx，打印其 info()，结果如下：
  1. import pandas as pd

  3. df = pd.read_excel('samples.xlsx')
  4. df.info()

2. 画网络图

在提取出的数据的基础上，通过判断球员是否属于同一俱乐部，绘出随机分布网络图、Fruchterman-Reingold 算法排列节点网络图与同心圆分布网络图。尽可能让网络图美观，如为属于同一俱乐部的节点设置相同的颜色。
将每个球员当作网络图中一个节点，计算节点之间的连通关系，同属一个俱乐部则连通。
  1. import pandas as pd

  3. df = pd.read_excel('samples.xlsx')
  4. df = df.loc[::, ['Name', 'Club']]
  5. print(df['Club'].value_counts())
  6. datas = df.values.tolist()
  7. name = [datas[i][0] for i in range(len(datas))]
  8. nodes = [str(i) for i in range(len(datas))]
  9. club = [datas[i][1] for i in range(len(datas))]
  10. # print(nodes)
  11. df = pd.DataFrame({'姓名': name, '节点编号': nodes, '所属俱乐部': club})
  12. df.to_csv('nodes_info.csv')
  13. with open('record.txt', 'w') as f:
  14. for i in range(len(nodes)):
  15. for j in range(i, len(nodes) - 1):
  16. if datas[i][1] == datas[j+1][1]:      # 属于同一俱乐部
  17.                 f.write(f'{nodes[i]}-{nodes[j + 1]}-{datas[i][1]}'+ '\n')

(1) 随机分布网络图

  1. import networkx as nx
  2. import matplotlib.pyplot as plt
  3. import pandas as pd
  4. from collections importCounter

  6. df = pd.read_csv('nodes_info.csv')['所属俱乐部']
  7. items = df.values
  8. print(Counter(items))
  9. node_colors = []
  10. # 5个俱乐部   属于同一个俱乐部的节点设置相同颜色
  11. for item in items:
  12. if item == 'Free Agents':
  13.         node_colors.append('red')
  14. elif item == 'Real Madrid':
  15.         node_colors.append('yellow')
  16. elif item == 'Chelsea':
  17.         node_colors.append('blue')
  18. elif item == 'FC Barcelona':
  19.         node_colors.append('green')
  20. elif item == 'Manchester Utd':
  21.         node_colors.append('pink')


  24. DG = nx.MultiGraph()
  25. DG.add_nodes_from([str(i) for i in range(0, 50)])
  26. DG.nodes()

  28. with open('record.txt', 'r') as f:
  29.     con = f.read().split('\n')

  31. edges_list = []
  32. for i in con[:-1]:
  33.     edges_list.append(tuple(i.split('-')[:2]))

  35. print(edges_list)
  36. DG.add_edges_from(edges_list)

  38. # 运用布局
  39. pos = nx.random_layout(DG)      # 节点随机分布
  40. # 绘制网络图
  41. nx.draw(DG, pos, with_labels=True, node_size=200, width=0.6, node_color=node_colors)
  42. # 显示图片
  43. plt.show()
运行效果如下：

(2) Fruchterman-Reingold 算法排列节点网络图

  1. import networkx as nx
  2. import matplotlib.pyplot as plt
  3. import pandas as pd
  4. from collections importCounter

  6. df = pd.read_csv('nodes_info.csv')['所属俱乐部']
  7. items = df.values
  8. print(Counter(items))
  9. node_colors = []
  10. # 5个俱乐部   属于同一个俱乐部的节点设置相同颜色
  11. for item in items:
  12. if item == 'Free Agents':
  13.         node_colors.append('red')
  14. elif item == 'Real Madrid':
  15.         node_colors.append('yellow')
  16. elif item == 'Chelsea':
  17.         node_colors.append('blue')
  18. elif item == 'FC Barcelona':
  19.         node_colors.append('green')
  20. elif item == 'Manchester Utd':
  21.         node_colors.append('pink')

  23. DG = nx.MultiGraph()
  24. DG.add_nodes_from([str(i) for i in range(0, 50)])
  25. DG.nodes()

  27. with open('record.txt', 'r') as f:
  28.     con = f.read().split('\n')

  30. edges_list = []
  31. for i in con[:-1]:
  32.     edges_list.append(tuple(i.split('-')[:2]))

  34. print(edges_list)
  35. DG.add_edges_from(edges_list)

  37. # 运用布局
  38. pos = nx.spring_layout(DG)      # 用Fruchterman-Reingold算法排列节点（样子类似多中心放射状）
  39. # 绘制网络图
  40. nx.draw(DG, pos, node_size=10, width=0.6, node_color=node_colors)
  41. # 显示图片
  42. plt.show()
运行效果如下：

(3) 同心圆分布网络图

  1. import networkx as nx
  2. import matplotlib.pyplot as plt
  3. import pandas as pd
  4. from collections importCounter

  6. df = pd.read_csv('nodes_info.csv')['所属俱乐部']
  7. items = df.values
  8. print(Counter(items))
  9. node_colors = []
  10. # 5个俱乐部   属于同一个俱乐部的节点设置相同颜色
  11. for item in items:
  12. if item == 'Free Agents':
  13.         node_colors.append('red')
  14. elif item == 'Real Madrid':
  15.         node_colors.append('yellow')
  16. elif item == 'Chelsea':
  17.         node_colors.append('blue')
  18. elif item == 'FC Barcelona':
  19.         node_colors.append('green')
  20. elif item == 'Manchester Utd':
  21.         node_colors.append('pink')

  23. DG = nx.MultiGraph()
  24. DG.add_nodes_from([str(i) for i in range(0, 50)])
  25. DG.nodes()

  27. with open('record.txt', 'r') as f:
  28.     con = f.read().split('\n')

  30. edges_list = []
  31. for i in con[:-1]:
  32.     edges_list.append(tuple(i.split('-')[:2]))

  34. print(edges_list)
  35. DG.add_edges_from(edges_list)

  37. # 运用布局
  38. pos = nx.shell_layout(DG)         # 节点在同心圆上分布
  39. # 绘制网络图
  40. nx.draw(DG, pos, with_labels=True, node_size=200, width=0.6, node_color=node_colors)
  41. # 显示图片
  42. plt.show()
运行效果如下：
为方便大家练习，可以在公号「Python数据之道」后台回复 “网络图” 获取本文的数据和源代码文件。

作者简介

叶庭云

个人格言: 热爱可抵岁月漫长

CSDN博客: https://blog.csdn.net/fyfugoyfa/


---------End---------


往期精彩回顾




浏览 70
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
硬核教程，利用 Python 搞定精美网络图！
早起Python
0
利用Python绘制关系网络图
Crossin的编程教室
0
Python基础--- 运算
恋习Python
0
利用Python开发App
python之禅
0
零基础Python教程：Python编辑器推荐！
python教程
0
Python学习教程：Python基础知识点梳理
python教程
0
【Python基础】Python的深浅拷贝讲解
小白学视觉
0
零基础Python教程：怎么配置python？
python教程
0
这个Python热力图，十分精美!
Python与算法社区
0
图解python | 基础语法
Python日志
0
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报