Graph 创建网络图

我的CSV格式的示例数据集如下所示

无向图有90个节点，用数字{10,11,12…99}表示 其带权重的边定义如下

[样本数据]

node1 node2 weight
23     89    34.9  (i.e. there is an edge between node 23 and 89 with weight 34.9)
75     14    28.5
so on....

我想用网络的形式来表达这一点。表示它的有效方式是什么（例如Gephi、networkx等）。边的厚度应表示边的权重。

使用，可以添加具有属性的边

import networkx as nx
G = nx.Graph()
G.add_edge(23, 89, weight=34.9)
G.add_edge(75, 14, weight=28.5)

---

如果您在Linux中，并且假设您的csv文件如下所示（例如）：

您可以使用此程序：

import os

def build_G(csv_file):

    #init graph dict
    g={}

    #here we open csv file
    with open(csv_file,'r') as f:
        cont=f.read()

    #here we get field content
    for line in cont.split('\n'):
        if line != '':

            fields=line.split(';')

            #build origin node
            if g.has_key(fields[0])==False:
                g[fields[0]]={}

            #build destination node         
            if g.has_key(fields[1])==False:
                g[fields[1]]={}

            #build edge origin>destination
            if g[fields[0]].has_key(fields[1])==False:
                g[fields[0]][fields[1]]=float(fields[2])

    return g

def main():

    #filename
    csv_file="mynode.csv"

    #build graph
    G=build_G(csv_file)

    #G is now a python dict
    #G={'27': {}, '75': {'14': 2.85, '23': 0.9}, '89': {}, '14': {'75': 2.9}, '23': {'27': 4.9, '89': 3.49, '14': 1.29}}


    #write to file
    f = open('dotgraph.txt','w')
    f.writelines('digraph G {\nnode [width=.3,height=.3,shape=octagon,style=filled,color=skyblue];\noverlap="false";\nrankdir="LR";\n')
    f.writelines

    for i in G:
        for j in G[i]:
            #get weight
            weight = G[i][j]
            s= '      '+ i
            s +=  ' -> ' +  j + ' [dir=none,label="' + str(G[i][j]) + '",penwidth='+str(weight)+',color=black]'
            if s!='      '+ i:
                s+=';\n'
                f.writelines(s)

    f.writelines('}')
    f.close()

    #generate graph image from graph text file
    os.system("dot -Tjpg -omyImage.jpg dotgraph.txt")

main()

我之前一直在寻找构建复杂图形的有效解决方案，这是我发现的最简单（没有任何python模块依赖性）的方法

以下是无向图的图像结果（使用dir=none）：

---

如果您有一个大型csv，我建议您将其用于任务的I/O部分

networkx

有一个有用的方法来与调用的

pandas

接口。假设您的数据采用上述格式的csv格式，则此命令应适用于您：

df = pd.read_csv('path/to/file.csv', columns=['node1', 'node2', 'weight'])

但为了演示，我将在您的需求范围内使用10条随机边（您不需要导入

numpy

，我只是使用它生成随机数）：

上一块中的所有内容都应生成与您的

pd.read\u csv

命令相同的内容。产生此数据帧，

df

：

    node1   node2   weight
0   16  13  0.548814
1   17  15  0.715189
2   17  10  0.602763
3   18  12  0.544883
4   11  13  0.423655
5   15  18  0.645894
6   18  11  0.437587
7   14  13  0.891773
8   13  13  0.963663
9   10  13  0.383442

使用来自数据帧的

进行初始化。这假定将有多条边连接到一个节点（OP中未指定）。要使用此方法，您必须在
convert_matrix.py
文件中的
networkx
源代码中进行简单的更改（这是一个简单的错误）

这将生成您的多重图形，您可以使用以下工具将其可视化：

详细内容：
positions
是一个字典，其中每个节点都是一个键，值是图形上的一个位置。我将在下面描述我们存储
位置的原因。通用的
draw
将绘制节点位于指定
位置的多重图实例
MG
。但是，正如您所看到的，这些边的宽度都相同：


但是你有你需要的一切来增加重量。首先将权重放入名为
权重的列表中。通过迭代（列表理解）每个边，我们可以提取权重。我选择乘以
5
，因为它看起来最干净：

weights = [w[2]['weight']*5 for w in  MG.edges(data=True)]

最后，我们将使用，它只绘制图形的边（没有节点）。因为我们有节点的
位置
，并且我们设置了
hold=True
，所以我们可以在前面的可视化视图上绘制加权边

nx.draw_networkx_edges(MG, pos=positions, width=weights) #width can be array of floats


您可以看到节点
（14,13）
具有数据帧
df
中最重的行和最大的值（除了
（13,13）
）。
您应该编辑csv文件开头的行，如下所示：

源目标类型权重
23 89无向34.9（即节点23和89之间有一条边，权重为34.9）
75 14无向28.5
等等

之后，您可以将csv文件导入Gephi，以表示边的厚度代表权重的图形，例如：
如果您的系统上不存在点二进制文件@Stefani，您可以从终端使用sudo apt get install graphviz
。。！！我的图形是无向的，我如何删除方向。@用户1659936不客气，您需要在构造期间添加dir=none，因此请替换该行：
s+='->'+j+'[label=“'+str（G[I][j]）+”，penwidth='+str（weight）+'，color=black]
by
s+='->'+j+'[dir none，label=“+str（G[I][j]）”，penwidth='+str（weight）+'，color=black]'
删除direction@user1659936：我根据您的需要更改代码。使用上面的代码，我的
dotgraph.txt
文件似乎在Windows上正确生成，但我找不到
.png
输出。我怎样才能让它在Windows而不仅仅是Linux上工作呢？在nx.Multigraph（）上，我遇到了这样一个错误：TypeError:unhabable type:“dict”如果您在代码块前面的段落中做了更改，它应该可以工作这个此外，如果您完全使用
参数删除
create\u，则只有在您知道图形是
图形
而不是
多重图形
的情况下，此操作才有效。
MG = nx.from_pandas_dataframe(df, 
                              'node1', 
                              'node2', 
                               edge_attr='weight',
                               create_using=nx.MultiGraph()
                              )

positions = nx.spring_layout(MG) # saves the positions of the nodes on the visualization
# pass positions and set hold=True
nx.draw(MG, pos=positions, hold=True, with_labels=True, node_size=1000, font_size=16)

weights = [w[2]['weight']*5 for w in  MG.edges(data=True)]

nx.draw_networkx_edges(MG, pos=positions, width=weights) #width can be array of floats