在我们生活的世界中，每一个人以及每一个事物相互之间都存在着关系，有直接关系，也有间接关系，最终会形成一个无形的大的关系网。network模块是一个用python语言开发的图论和复杂网络建模工具，模块内置了常用的图与复杂网络分析算法。network模块有四种图：Graph、DiGraph、MultiGraph、MultiDigraph,分别为无多重边无向图、无多重边有向图、有多重边无向图、有多重边有向图。其中Graph是用点和线来刻画离散事物集合中，每对事物间以某种方式相联系的数学模型。
下面我们来分析《复仇者联盟4》人物关系：
import pandas as pd #导入绘图模块 import networkx as nx import matplotlib.pyplot as plt # 读取文件 aa =r'F:\python入门\python编程锦囊\Code（实例源码及使用说明）\Code（实例源码及使用说明）\Code（实例源码及使用说明）\09\data\fl4.xls' df = pd.DataFrame(pd.read_excel(aa)) #去除重复项，并转换成列表 df1=df['label1'].drop_duplicates().values.tolist() df2=df[['label1','label2','weight']] #设置画布大小 plt.figure(figsize=(6, 5)) #颜色数据 colors = df['color'].drop_duplicates().values.tolist() #G：图表，一个networkx图 G = nx.Graph() # 添加边 for i in df2.index: G.add_edge(df2.label1[i], df2.label2[i], weight=df2.weight[i]) # 定义两个边，并给边赋予权重，其中u是起点，v是终点，d是权重 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)] # 图的布局 # 节点在一个圆环上均匀分布 pos = nx.circular_layout(G) #用Fruchterman-Reingold算法排列节点 #pos=nx.spring_layout(G) #节点随机分布 #pos=nx.spring_layout(G) # 点 #node_size指定节点的尺寸大小，默认值为300 #node_color指定节点的颜色，默认值为红色 #node_shape节点的形状，默认值为圆形，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') # 边 #pos:字典类型，节点作为键、位置作为值。位置是长度为2的序列 #edgelist：边缘元组的集合，只绘制指定的边，默认值为G.edges() #width边的宽度，默认值为1.0 #alpha透明度，默认值为1.0（不透明），0为完全透明 #edge_color边的颜色，默认值为黑色 #style边的样式，默认值为实线。 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') # 标签 #font_size节点标签字体大小，默认值为12 nx.draw_networkx_labels(G, pos, font_size=9) # 生成结果 plt.axis('off') plt.title('《复仇者联盟4》人物关系图') plt.rcParams['font.size'] = 10 plt.rcParams['font.sans-serif']=['SimHei'] #解决中文乱码 plt.show()
结果：
使用力引导算法Fruchterman-Reingold排列点画图，可以大大减少边的交叉,只需要改两行代码即可：
#用Fruchterman-Reingold算法排列节点 pos=nx.spring_layout(G) # 点 nx.draw_networkx_nodes(G, pos, alpha=1, node_size=300,node_color=colors,node_shape='p')
结果：
