『Networkx』常用方法

这是一个用于分析'图'结构的包，由于我只是用到了浅显的可视化功能，所以这个介绍会对其使用浅尝辄止。

 解决matplotlib中文字体缺失问题，

from pylab import mpl

mpl.rcParams['font.sans-serif'] = ['FangSong']    # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False        # 解决保存图像是负号'-'显示为方块的问题

读入数据，

import pandas as pd
import networkx as nx

data = pd.read_csv(u'C:Projectspython3_5Gephi\17级学硕导师情况.csv')

由于图的edge输入格式是（节点1，节点2）的形式，所以我们需要整理一下数据格式，

edges = [edge for edge in zip(data[data.columns[0]],data['Unnamed: 2'])]
edges.extend([edge for edge in zip(data[data.columns[0]],data['Unnamed: 3'])])
edges.extend([edge for edge in zip(data[data.columns[5]],data['Unnamed: 7'])])
edges.extend([edge for edge in zip(data[data.columns[5]],data['Unnamed: 8'])])
edges = pd.DataFrame(edges,columns=['导师','学生']).dropna(how='any')

画图，这里面采取的是为Graph对象添加edge的形式，也可添加node等等，

实际的体会是异常自由，节点本事没有类型限制，也就是说你可以把数字、字符、其他格式的对象乃至另一个Graph赋为一个节点，当然这在可视化时意义不大，但是networkx包最大功用其实是图分析而非可视化（实际上可视化是一个辅助功能），我了解不多，也只能帮着拍拍手叫叫好了（逃~~

G = nx.Graph()
G.add_edges_from([edge for edge in zip(edges['导师'],edges['学生'])])

nx.draw(G,
        # pos = nx.random_layout(G),
        # pos = nx.spring_layout(G),
        # pos = nx.shell_layout(G),
        pos = nx.circular_layout(G),
        node_color = 'r',
        # edge_color = 'b',
        with_labels = True,
        font_size =20,
        node_size =1000,
        alpha=0.3)

　　

由于涉及隐私，这里的图我把标签取消了，不过实际效果也就这样，差不太多。