在我們生活的世界中，每一個人以及每一個事物相互之間都存在着關系，有直接關系，也有間接關系，最終會形成一個無形的大的關系網。network模塊是一個用python語言開發的圖論和復雜網絡建模工具，模塊內置了常用的圖與復雜網絡分析算法。network模塊有四種圖：Graph、DiGraph、MultiGraph、MultiDigraph,分別為無多重邊無向圖、無多重邊有向圖、有多重邊無向圖、有多重邊有向圖。其中Graph是用點和線來刻畫離散事物集合中，每對事物間以某種方式相聯系的數學模型。
下面我們來分析《復仇者聯盟4》人物關系：
import pandas as pd #導入繪圖模塊 import networkx as nx import matplotlib.pyplot as plt # 讀取文件 aa =r'F:\\python入門\\python編程錦囊\\Code（實例源碼及使用說明）\\Code（實例源碼及使用說明）\\Code（實例源碼及使用說明）\\09\\data\\fl4.xls' df = pd.DataFrame(pd.read_excel(aa)) #去除重復項，並轉換成列表 df1=df['label1'].drop_duplicates().values.tolist() df2=df[['label1','label2','weight']] #設置畫布大小 plt.figure(figsize=(6, 5)) #顏色數據 colors = df['color'].drop_duplicates().values.tolist() #G：圖表，一個networkx圖 G = nx.Graph() # 添加邊 for i in df2.index: G.add_edge(df2.label1[i], df2.label2[i], weight=df2.weight[i]) # 定義兩個邊，並給邊賦予權重，其中u是起點，v是終點，d是權重 edge1 = [(u, v) for (u, v, d) in G.edges(data=True) if (d['weight'] >=1)] edge2 = [(u, v) for (u, v, d) in G.edges(data=True) if (d['weight'] >=15)] # 圖的布局 # 節點在一個圓環上均勻分布 pos = nx.circular_layout(G) #用Fruchterman-Reingold算法排列節點 #pos=nx.spring_layout(G) #節點隨機分布 #pos=nx.spring_layout(G) # 點 #node_size指定節點的尺寸大小，默認值為300 #node_color指定節點的顏色，默認值為紅色 #node_shape節點的形狀，默認值為圓形，用o表示 nx.draw_networkx_nodes(G, pos, alpha=1, node_size=200,node_color=colors,node_shape='o') #nx.draw_networkx_nodes(G, pos, alpha=1, node_size=300,node_color=colors,node_shape='p') # 邊 #pos:字典類型，節點作為鍵、位置作為值。位置是長度為2的序列 #edgelist：邊緣元組的集合，只繪制指定的邊，默認值為G.edges() #width邊的寬度，默認值為1.0 #alpha透明度，默認值為1.0（不透明），0為完全透明 #edge_color邊的顏色，默認值為黑色 #style邊的樣式，默認值為實線。 nx.draw_networkx_edges(G, pos, edgelist=edge1,width=1, alpha=0.3, edge_color='g', style='dashed') nx.draw_networkx_edges(G, pos, edgelist=edge2, width=1.5, alpha=0.5, edge_color='red') # 標簽 #font_size節點標簽字體大小，默認值為12 nx.draw_networkx_labels(G, pos, font_size=9) # 生成結果 plt.axis('off') plt.title('《復仇者聯盟4》人物關系圖') plt.rcParams['font.size'] = 10 plt.rcParams['font.sans-serif']=['SimHei'] #解決中文亂碼 plt.show()
結果：
使用力引導算法Fruchterman-Reingold排列點畫圖，可以大大減少邊的交叉,只需要改兩行代碼即可：
#用Fruchterman-Reingold算法排列節點 pos=nx.spring_layout(G) # 點 nx.draw_networkx_nodes(G, pos, alpha=1, node_size=300,node_color=colors,node_shape='p')
結果：
