点击上方蓝字关注我们
最近发现一个特别好用的python库，能够绘制精美的关系图，俗话说有好东西要学会分享，所以袁厨就肝了这篇文章，大家可以参考一下。
一、概述
NetworkX是一个用python编写的软件包，便于用户对复杂网络进行创建、操作和学习。
利用networkx可以以标准化和非标准化的数据格式存储网络、生成多种随机网络和经典网络、分析网络结构、建立网络模型、设计新的网络算法、进行网络绘制等，Networkx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。我们用它可以将存储在邻接表或邻接矩阵里的网络图可视化。下面给大家看一下我自己画的一个例子吧。这样就大概可以了解怎么回事了。
上面这张图片是我绘制的社交关系图，其中蓝色节点代表的是度最高的节点，就是社交关系最复杂的节点。
二、NetWorkx安装
安装方式主要有三种
1.命令行pip
2.pycharm安装
3.官方下载whl文件进行安装
下面我给大家介绍最简单方便的第一种方式吧
1.win+r进入命令行界面
2.输入安装代码
pip install networkx -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
这里更换了豆瓣的镜像源。可以提高下载速度。安装其他包的时候，将networkx改成其他包名即可。
三、NetworkX基础知识
1.创建图
首先我们需要创建一个没有边和节点的图形，说白了就是先拿出一张白纸，我们准备在白纸上作画了。
-
import networkx as nx
-
G = nx.Graph()#无多重边无向图
-
G = nx.DiGraph()#无多重边有向图
-
G = nx.MultiGraph()#有多重边无向图
-
G = nx.MultiDiGraph()#有多重边有向图
可以创建四种图形，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。常用的就是第一种图了
2.添加节点
这一步的作用就是在图中添加节点，我们可以一次添加一个节点，也可以添加一个节点列表
-
G.add_node(
1)#添加节点
1
-
G.add_nodes_from([
2,
3])#添加节点
2，
3
两个命令是不一样的需要注意一下哦
3.添加边
当然边也可以单个添加和多个添加
-
G.add_edge(
'x',
'y') # 添加一条边起点为x,终点为y
-
G.add_edges_from([(
1,
2), (
1,
3), (
2,
3)]) # 添加多条边
下面我们来看一下当前效果
-
import networkx as nx
-
import matplotlib.pyplot as plt
-
-
G = nx.Graph() # 无多重边无向图
-
G.add_node(
1) # 添加节点
1
-
G.add_nodes_from([
2,
3]) # 添加节点
2，
3
-
G.add_nodes_from([
2,
3,
4,
5,
6]) # 添加节点
2，
3
-
G.add_edge(
'x',
'y') # 添加一条边起点为x,终点为y
-
G.add_edges_from([(
1,
2), (
4,
5), (
5,
6), (
2,
4)]);
-
G.add_edges_from([(
1,
2), (
1,
3), (
2,
3)]) # 添加多条边
-
nx.draw(G, with_labels=True);
-
plt.show()
-
4.给图中的节点和边添加属性
-
运行样式：
-
-
`node_size`: 指定节点的尺寸大小(默认是
300)
-
-
`node_color`: 指定节点的颜色 (默认是红色，可以用字符串简单标识颜 色，例如
'r'为红色，
'b'为绿色等)
-
-
`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（默认为True）
-
-
`font_size`: 节点标签字体大小 (默认为
12)
-
-
`font_color`: 节点标签字体颜色（默认为黑色）
-
-
`pos`: 布局
-
-
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
-
我们需要在nx.draw这行代码里面添加属性。
下面我们来使用一下这些属性，看看会有什么效果。
添加节点属性
-
import networkx as nx
-
import matplotlib.pyplot as plt
-
-
G = nx.Graph() # 无多重边无向图
-
G.add_nodes_from([
1,
2,
3,
4,
5,
6]) # 添加节点
2，
3
-
G.add_edges_from([(
1,
2), (
4,
5), (
5,
6), (
2,
4),(
1,
3),(
2,
4)]);
-
nx.draw(G, with_labels=True,node_size=
200,node_color=
'#7FFF00')#在这里添加属性，添加颜色和大小
-
plt.show()
添加布局属性
-
pos =nx.shell_layout(G)
-
nx.draw(G,with_labels=True,node_size=
200,node_color=
'#7FFF00',pos=pos)
-
import networkx as nx
-
import matplotlib.pyplot as plt
-
-
G = nx.Graph() # 无多重边无向图
-
G.add_nodes_from([
1,
2,
3,
4,
5,
6,
7,
8,
9,
10]) # 添加节点
2，
3
-
G.add_edges_from([(
1,
2), (
4,
5), (
5,
6), (
2,
4),(
1,
3),(
2,
4),(
3,
6),(
3,
7),(
4,
8),(
5,
9),(
7,
10),(
1,
10)]);
-
pos =nx.shell_layout(G)
-
nx.draw(G,with_labels=True,node_size=
200,node_color=
'#7FFF00',pos=pos)
-
plt.show()
我们刚才用的属性是节点在同心圆上分布，效果如上图。还有其他分布方式大家可以试一下。
给节点添加不同的颜色
-
import networkx as nx
-
import matplotlib.pyplot as plt
-
-
G = nx.Graph() # 无多重边无向图
-
G.add_edges_from([(
1,
2),(
2,
3),(
3,
4),(
4,
1)]);
-
color=[
'#7FFF00',
'#0000ff',
'#9999ff',
'#ff00ff']
-
pos =nx.shell_layout(G)
-
nx.draw(G, with_labels=True,node_size=
200,node_color=color,pos=pos)
-
plt.show()
我们还可以给每个节点设置不同的颜色。当然大小也可以，这里自由发挥就好了。
5.样例实现
我们用了两种不同的节点分布方式，效果如下。
-
import networkx as nx
-
import matplotlib.pyplot as plt
-
net_grid = nx.Graph()
-
# nodes
-
list_net_nodes = [
1,
2,
3,
4,
5,
6,
7,
8,
9,
10,
11,
12,
13,
14,
15,
16,
17,
18,
19,
20]
-
# edges
-
list_net_edges = [(
1,
3), (
3,
5), (
5,
4), (
4,
2), (
2,
6),
-
(
5,
7), (
5,
8), (
8,
6),
-
(
7,
9), (
8,
9), (
6,
10),
-
(
9,
11), (
10,
12), (
10,
13),
-
(
11,
14), (
12,
14), (
12,
15),
-
(
14,
16), (
15,
16), (
15,
17),
-
(
16,
18), (
17,
19),(
12,
2),(
12,
1),
-
(
18,
20), (
19,
7),(
19,
2),(
19,
1),(
19,
5)]
-
net_grid.add_nodes_from(list_net_nodes)
-
net_grid.add_edges_from(list_net_edges)
-
pos = nx.random_layout(net_grid)#随机分布
-
nx.draw_networkx_nodes(net_grid, pos=pos, node_color=
'#ff0000', node_size=
200, alpha=
0.6)#点的样式
-
nx.draw_networkx_edges(net_grid, pos=pos, width=
0.5, alpha=
0.4)#边的样式
-
plt.show()
学到这里基本的图就会画了，下面学习一下通过数据集进行绘制绘制网络图
6.导入数据进行绘图
利用football数据集绘制社交关系图，
-
import networkx as nx
-
import matplotlib.pyplot as plt
-
net_grid = nx.Graph()
-
#构建函数，提取出数据集里的边和点
-
def read_gml(data):
-
H = nx.read_gml(data)
-
nodedata= H.nodes;
-
eagedata=H.edges;
-
return nodedata,eagedata
-
#引用函数得到边和点
-
(nodeums,edgesnum)=read_gml(
'football.gml')
-
net_grid.add_nodes_from(nodeums)
-
net_grid.add_edges_from(edgesnum)
-
pos = nx.random_layout(net_grid)#随机分布图
-
nx.draw_networkx_nodes(net_grid, pos=pos, node_color=
'#7FFF00', node_size=
150, alpha=
0.7)#点的样式
-
nx.draw_networkx_edges(net_grid, pos=pos, width=
0.3, alpha=
0.2)#边的样式
-
plt.show()
上面三张图片是利用不同的排列方式进行排列的。Networkx还有很多强大的功能，大家可以继续深挖，这里为大家提供一个入门参考，感谢大家的支持。如果大家感觉Networkx不能满足大家的需求，绘制网络图的python库还有DGL，PyG。
如果大家需要可以后台回复【绘图】，获取数据集和代码
大家如果觉得这篇文章对大家有帮助的话，就请大家点个关注和在看吧，你们的支持对我真的帮助很大!
喜欢就点个在看再走吧 
转载：https://blog.csdn.net/tan45du_yuan/article/details/109464240