Skip to main content
 首页 » 编程设计

python之Networkx 中大型网络可视化的问题

2024年11月24日12lidabo

我有一个大型 Python 数据框,我正试图从中构建一个网络。我有一个 source_node(具有大约 10 个唯一值)和一个 target_node(具有数千个值)。我在看外向的互动,例如source_node_1 到多个目标节点。目前,至少可以说,我对网络的可视化并不理想。

结果是这样的:

这是用于创建网络的代码:

df = pd.DataFrame({ 
    'source_node':['sc1','sc2','sc2'], 
    'target_node':['tg1,tg2,tg3','tg10','tg2,sc1'] 
})  
df['splitted_targets'] = df['target_node'].apply(lambda x: x.split(',')) 
 
G = nx.DiGraph() 
 
for r in df.iterrows(): 
    for user in r[1]['splitted_targets']: 
        G.add_edge(r[1]['source_node'], user) 
 
nx.draw(G, with_labels=True) 

有没有简单的方法,例如为每个唯一的 source_node 及其 target_nodes 创建 10 个图,或者创建一个可以读取的简化图?

请您参考如下方法:

如此庞大的图表看起来一团糟是合乎逻辑的。在每个节点有 5000 个节点的 FullHD 监视器上,不超过:

平方(1920 * 1080/5000)= 20

用于节点、文本标签和所有可能边缘的 20x20 像素图像。此外,人脑is very bad在操纵with this amount of data因此,即使有人画出巨大的图表,他也无法正确地分析它。

在您的情况下,每个源节点的源节点和目标节点数量很少。如果您只删除仅链接到一个源节点的所有目标节点,则可以大大减小图表的大小(请记住,您仍将拥有此信息,稍后您可以通过打印来分析它特定源节点对应的所有目标节点):

G.remove_nodes_from([ 
    n 
    for n in G.nodes 
    if n not in df['source_node'] 
    if G.degree(n) < 2 
]) 

所以最终的代码将是:

df = pd.DataFrame({ 
'source_node':['sc1','sc2','sc3'], 
'target_node':['tg1,tg2,tg3,sc2','tg10,tg2,sc3','tg2,sc1'] })  
 
df['splitted_targets'] = df['target_node'].apply(lambda x: x.split(',')) 
 
G = nx.DiGraph() 
for r in df.iterrows(): 
    for user in r[1]['splitted_targets']: 
        G.add_edge(r[1]['source_node'], user) 
print(list(list(G.neighbors(n)) for n in G.nodes)) 
G.remove_nodes_from([ 
    n 
    for n in G.nodes 
    if n not in df['source_node'] 
    if G.degree(n) < 2 
]) 
nx.draw(G, with_labels=True) 

这张图:

将缩减为:

我相信这对您的情况会有很大帮助,因为您只有几十个源节点。您还可以使用节点大小、节点标签、字体等。