作者：葉庭云? ? ?編輯：Lemon? ? ??出品：Python數據之道

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；內置許多標準的圖論算法，節點可為任意數據；支持任意的邊值維度，功能豐富。主要用于創造、操作復雜網絡，以及學習復雜網絡的結構、動力學及其功能。用于分析網絡結構，建立網絡模型，設計新的網絡算法，繪制網絡等等。

PS：本文所使用的數據源以及代碼文件，可以在文末獲取

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 network 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()

運行效果如下：

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()

運行效果如下：

輸出圖的全部節點：['X', 'A', 'B', 'C', 'D', 'E'] 輸出節點的數量：6 輸出圖的全部邊:[('X', 'C'), ('A', 'B'), ('A', 'C'), ('A', 'D'), ('D', 'A'), ('E', 'A'), ('E', 'D')] 輸出邊的數量：7

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('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) # 合并多個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('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('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于同一俱樂部，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，如為屬于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('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('nodes_info.csv') with open('record.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]: # 屬于同一俱樂部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 importCounter df = pd.read_csv('nodes_info.csv')['所屬俱樂部'] items = df.values print(Counter(items)) node_colors = [] # 5個俱樂部 屬于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 == 'Real Madrid':node_colors.append('yellow') elif item == 'Chelsea':node_colors.append('blue') elif item == 'FC Barcelona':node_colors.append('green') elif item == 'Manchester Utd':node_colors.append('pink') DG = nx.MultiGraph() DG.add_nodes_from([str(i) for i in range(0, 50)]) DG.nodes() with open('record.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()

運行效果如下：

(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 importCounter df = pd.read_csv('nodes_info.csv')['所屬俱樂部'] items = df.values print(Counter(items)) node_colors = [] # 5個俱樂部 屬于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 == 'Real Madrid':node_colors.append('yellow') elif item == 'Chelsea':node_colors.append('blue') elif item == 'FC Barcelona':node_colors.append('green') elif item == 'Manchester Utd':node_colors.append('pink') DG = nx.MultiGraph() DG.add_nodes_from([str(i) for i in range(0, 50)]) DG.nodes() with open('record.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()

運行效果如下：

(3) 同心圓分布網絡圖

import networkx as nx import matplotlib.pyplot as plt import pandas as pd from collections importCounter df = pd.read_csv('nodes_info.csv')['所屬俱樂部'] items = df.values print(Counter(items)) node_colors = [] # 5個俱樂部 屬于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 == 'Real Madrid':node_colors.append('yellow') elif item == 'Chelsea':node_colors.append('blue') elif item == 'FC Barcelona':node_colors.append('green') elif item == 'Manchester Utd':node_colors.append('pink') DG = nx.MultiGraph() DG.add_nodes_from([str(i) for i in range(0, 50)]) DG.nodes() with open('record.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()

運行效果如下：

為方便大家練習，可以在公號「Python數據之道」后臺回復 “網絡圖” 獲取本文的數據和源代碼文件。

作者簡介

葉庭云

個人格言: 熱愛可抵歲月漫長

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

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

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯

總結

以上是生活随笔為你收集整理的【Python基础】利用 Python 搞定精美网络图！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。