吳裕雄--天生自然python數據可視化--NetworkX精美網絡圖繪制

一、NetworkX 概述
NetworkX 是一個用 Python 語言開發的圖論與復雜網絡建模工具，內置了常用的圖與復雜網絡分析算法，可以方便的進行復雜網絡數據分析、仿真建模等工作。
Networkx 支持創建簡單無向圖、有向圖和多重圖；內置許多標准的圖論算法，節點可為任意數據；支持任意的邊值維度，功能豐富。主要用於創造、操作復雜網絡，以及學習復雜網絡的結構、動力學及其功能。用於分析網絡結構，建立網絡模型，設計新的網絡算法，繪制網絡等等。

二、NetworkX 的安裝

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

三、NetworkX 基礎知識

1. 創建圖
可以利用 networkx 創建四種圖： 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。

import networkx as nx

G = nx.Graph()
G = nx.DiGraph()
G = nx.MultiGraph()
G = nx.MultiDiGraph()

2. 網絡圖的加點和加邊

import networkx as nx
import matplotlib.pyplot as plt

G = nx.DiGraph()
G.add_node('z')     # 添加節點z
G.add_nodes_from([1, 2, 3])   # 添加節點 1 2 3
G.add_edge('x', 'y')          # 添加邊  起點為x  終點為y
G.add_edges_from([(1, 2), (1, 3), (2, 3)])   # 添加多條邊

# 網絡圖繪制與顯示
nx.draw(G, with_labels=True)
plt.show()

為了讓網絡圖更美觀可以調節 nx.draw() 方法里的參數

nx.draw(G, pos=nx.random_layout(G), node_color = 'b', edge_color = 'r', with_labels = True, font_size =18, node_size =20)

G：待繪制的網絡圖G
node_size：指定節點的尺寸大小(默認是300)
node_color: 指定節點的顏色 (可以用字符串簡單標識顏色，例如'r'為紅色，'g'為綠色這樣)
node_shape: 節點的形狀（默認是圓形，用字符串'o'標識）
alpha: 透明度 (默認是1.0，不透明，0為完全透明)
width: 邊的寬度 (默認為1.0)
edge_color: 邊的顏色(默認為黑色)
style: 邊的樣式(默認為實現，可選： solid | dashed | dotted | dashdot
with_labels：節點是否帶標簽
font_size: 節點標簽字體大小
font_color: 節點標簽字體顏色（默認為黑色）

3. 運用布局
circular_layout：節點在一個圓環上均勻分布 
random_layout：節點隨機分布 
shell_layout：節點在同心圓上分布 
spring_layout：用 Fruchterman-Reingold 算法排列節點（樣子類似多中心放射狀） 
spectral_layout：根據圖的拉普拉斯特征向量排列節點
繪制網絡圖實例如下：

import networkx as nx
import matplotlib.pyplot as plt

# 初始化一個有向圖對象
DG = nx.DiGraph()
DG.add_node('X')
# 添加節點   傳入列表
DG.add_nodes_from(['A', 'B', 'C', 'D', 'E'])
print(f'輸出圖的全部節點：{DG.nodes}')
print(f'輸出節點的數量：{DG.number_of_nodes()}')
# 添加邊  傳入列表  列表里每個元素是一個元組  元組里表示一個點指向另一個點的邊
DG.add_edges_from([('A', 'B'), ('A', 'C'), ('A', 'D'), ('D', 'A'), ('E', 'A'), ('E', 'D')])
DG.add_edge('X', 'C')
print(f'輸出圖的全部邊:{DG.edges}')
print(f'輸出邊的數量：{DG.number_of_edges()}')
# 可自定義節點顏色
colors = ['pink', 'blue', 'green', 'yellow', 'red', 'brown']
# 運用布局
pos = nx.circular_layout(DG)
# 繪制網絡圖
nx.draw(DG, pos=pos, with_labels=True, node_size=200, width=0.6, node_color=colors)
# 展示圖片
plt.show()

 

四、利用 NetworkX 實現關聯類分析

利用 soccer.csv 中的數據，使用 Python 的 NetworkX 包按要求進行繪圖。

 

 

1. 提取數據
統計不同俱樂部（Club）的球員數量，從球員最多的五個俱樂部抽取 50 名球員信息(球員數量最多的俱樂部抽取 30 名，剩下 4 個俱樂部各抽取 5 名)構成新的 DataFrame，打印其 info()。

import pandas as pd

df = pd.read_csv('E:\\python--networkx\\202010\\soccer.csv', encoding='gbk')
data = df['Club'].value_counts()
# 球員人數最多的5個俱樂部
clubs = list(data.index[:5])

# 球員數量最多的俱樂部抽取30名
df1 = df[df['Club'] == clubs[0]].sample(30, axis=0)
# 剩下4個俱樂部各抽取5名
df2 = df[df['Club'] == clubs[1]].sample(5, axis=0)
df3 = df[df['Club'] == clubs[2]].sample(5, axis=0)
df4 = df[df['Club'] == clubs[3]].sample(5, axis=0)
df5 = df[df['Club'] == clubs[4]].sample(5, axis=0)

# 合並多個DataFrame
result = pd.concat([df1, df2, df3, df4, df5], axis=0, ignore_index=True)
# 打亂DataFrame順序
new_result = result.sample(frac=1).reset_index(drop=True)
# new_result.info()
# 抽樣的數據保存到excel
new_result.to_excel('E:\\samples.xlsx')

Jupyter Notebook 環境中讀取 samples.xlsx，打印其 info()，結果如下：

import pandas as pd

df = pd.read_excel('E:\\samples.xlsx')
df.info()

 

 

2. 畫網絡圖
在提取出的數據的基礎上，通過判斷球員是否屬於同一俱樂部，繪出隨機分布網絡圖、Fruchterman-Reingold 算法排列節點網絡圖與同心圓分布網絡圖。盡可能讓網絡圖美觀，如為屬於同一俱樂部的節點設置相同的顏色。
將每個球員當作網絡圖中一個節點，計算節點之間的連通關系，同屬一個俱樂部則連通。

import pandas as pd

df = pd.read_excel('E:\\samples.xlsx')
df = df.loc[::, ['Name', 'Club']]
print(df['Club'].value_counts())
datas = df.values.tolist()
name = [datas[i][0] for i in range(len(datas))]
nodes = [str(i) for i in range(len(datas))]
club = [datas[i][1] for i in range(len(datas))]
# print(nodes)

df = pd.DataFrame({'姓名': name, '節點編號': nodes, '所屬俱樂部': club})
df.to_csv('E:\\python--networkx\\202010\\nodes_info_1.csv')
with open('E:\\python--networkx\\202010\\record_1.txt', 'w') as f:
    for i in range(len(nodes)):
        for j in range(i, len(nodes) - 1):
            if datas[i][1] == datas[j+1][1]:      # 屬於同一俱樂部
                f.write(f'{nodes[i]}-{nodes[j + 1]}-{datas[i][1]}'+ '\n')

 

 

(1) 隨機分布網絡圖

import networkx as nx
import matplotlib.pyplot as plt
import pandas as pd
from collections import Counter

df = pd.read_csv('E:\\python--networkx\\202010\\nodes_info_1.csv')['所屬俱樂部']

items = df.values
print(Counter(items))

node_colors = []
# 5個俱樂部   屬於同一個俱樂部的節點設置相同顏色
for item in items:
    if item == 'Free Agents':
        node_colors.append('red')
    elif item == 'FC Augsburg':
        node_colors.append('yellow')
    elif item == 'RC Deportivo':
        node_colors.append('blue')
    elif item == 'FC Barcelona':
        node_colors.append('green')
    elif item == 'UD Las Palmas':
        node_colors.append('pink')
        
DG = nx.MultiGraph()
DG.add_nodes_from([str(i) for i in range(0, 50)])
DG.nodes()

with open('E:\\python--networkx\\202010\\record_1.txt', 'r') as f:
    con = f.read().split('\n')

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

print(edges_list)
DG.add_edges_from(edges_list)

# 運用布局
pos = nx.random_layout(DG)      # 節點隨機分布

# 繪制網絡圖
nx.draw(DG, pos, with_labels=True, node_size=200, width=0.6, node_color=node_colors)
# 顯示圖片
plt.show()

 

 

(2) Fruchterman-Reingold 算法排列節點網絡圖

import networkx as nx
import matplotlib.pyplot as plt
import pandas as pd
from collections import Counter

df = pd.read_csv('E:\\python--networkx\\202010\\nodes_info_1.csv')['所屬俱樂部']

items = df.values
print(Counter(items))

node_colors = []
# 5個俱樂部   屬於同一個俱樂部的節點設置相同顏色
for item in items:
    if item == 'Free Agents':
        node_colors.append('red')
    elif item == 'FC Augsburg':
        node_colors.append('yellow')
    elif item == 'RC Deportivo':
        node_colors.append('blue')
    elif item == 'FC Barcelona':
        node_colors.append('green')
    elif item == 'UD Las Palmas':
        node_colors.append('pink')
        
DG = nx.MultiGraph()
DG.add_nodes_from([str(i) for i in range(0, 50)])
DG.nodes()

with open('E:\\python--networkx\\202010\\record_1.txt', 'r') as f:
    con = f.read().split('\n')

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

print(edges_list)
DG.add_edges_from(edges_list)

# 運用布局
pos = nx.spring_layout(DG)      # 用Fruchterman-Reingold算法排列節點（樣子類似多中心放射狀）
# 繪制網絡圖
nx.draw(DG, pos, node_size=10, width=0.6, node_color=node_colors)
# 顯示圖片
plt.show()

 

 

(3) 同心圓分布網絡圖

import networkx as nx
import matplotlib.pyplot as plt
import pandas as pd
from collections import Counter

df = pd.read_csv('E:\\python--networkx\\202010\\nodes_info_1.csv')['所屬俱樂部']

items = df.values
print(Counter(items))

node_colors = []
# 5個俱樂部   屬於同一個俱樂部的節點設置相同顏色
for item in items:
    if item == 'Free Agents':
        node_colors.append('red')
    elif item == 'FC Augsburg':
        node_colors.append('yellow')
    elif item == 'RC Deportivo':
        node_colors.append('blue')
    elif item == 'FC Barcelona':
        node_colors.append('green')
    elif item == 'UD Las Palmas':
        node_colors.append('pink')
        
DG = nx.MultiGraph()
DG.add_nodes_from([str(i) for i in range(0, 50)])
DG.nodes()

with open('E:\\python--networkx\\202010\\record_1.txt', 'r') as f:
    con = f.read().split('\n')
    
edges_list = []
for i in con[:-1]:
    edges_list.append(tuple(i.split('-')[:2]))

print(edges_list)
DG.add_edges_from(edges_list)

# 運用布局
pos = nx.shell_layout(DG)         # 節點在同心圓上分布
# 繪制網絡圖
nx.draw(DG, pos, with_labels=True, node_size=200, width=0.6, node_color=node_colors)
# 顯示圖片
plt.show()