Python 如何从带有组（节点）和值（边）的dataframe构建networkx可视化？

如果我有以下数据帧：

import pandas as pd

df = pd.DataFrame({'group' : ['A', 'B', 'B', 'C', 'B', 'B', 'D', 'A', 'A', 'C', 'B'],
                      'value' : ['green', 'blue', 'orange', 'pink', 'green', 'green', 'black', 'yellow', 
                                 'green','pink','yellow']})

---

如何清理数据以构建一个

networkx

可视化，将

df['group']

值显示为“节点”，而公共

df['value']

值的数量决定节点之间连接的厚度？

我假设您指的是最简单的情况：无向图，无自循环，对于每个

组

，仅计算显示为

值的唯一颜色

如果您在上面的评论中另有说明，我将更改此答案

from itertools import combinations
import networkx as nx


d = df.groupby('group').agg({'value': lambda x: x.tolist()}).to_dict()['value']

combos = list(combinations(d.keys(), 2))
edge_lst = [(combo[0],
          combo[1],
          len(set(d[combo[0]]) & set(d[combo[1]])))
         for combo in combos if len(set(d[combo[0]]) & set(d[combo[1]])) > 0]

g = nx.Graph()
g.add_nodes_from(d)
g.add_weighted_edges_from(edge_lst)

将
g.nodes（）
作为

NodeView(('A', 'B', 'C', 'D'))

EdgeDataView([('A', 'B', {'weight': 2})])

和
g.edges（data=True）
as

NodeView(('A', 'B', 'C', 'D'))

EdgeDataView([('A', 'B', {'weight': 2})])

如果要使用与边缘重量成比例的
边缘\u宽度
进行非常简单的可视化：

pos = nx.spring_layout(g)
edgewidth = [g[u][v]['weight'] for u, v in g.edges()]
nx.draw_networkx_nodes(g, pos)
nx.draw_networkx_edges(g, pos, width=edgewidth)
nx.draw_networkx_labels(g, pos)
plt.show()

给予
“…公共
df['value']
值的数量决定了节点之间连接的厚度…”根据计算公共值的方式有点模糊。在您的示例数据中，
'A'
和
'B'
节点之间的边的预期权重是多少？还不清楚是否允许自循环。图是有向图还是无向图？是的，我对自循环或有向图不感兴趣。我尝试使用虚拟数据（有时很棘手），但我想说的是，A和B节点之间的边的权重是2（我认为我计算正确），它表示唯一的公共边。但是下面的答案很有帮助（我在Bokeh有一个很好的可视化效果，但是正在努力寻找表示边缘权重的方法，这很有帮助）