将颜色分配给节点的社交网络可视化答案

【问题标题】：Visualization of social network with assignment of colors to nodes将颜色分配给节点的社交网络可视化
【发布时间】：2019-06-04 18:26:22
【问题描述】：

我想用节点和边可视化社交网络，节点的颜色代表属性值。如果我可以使用 python 中的工具（如networkx）来实现，那就太好了，但我也对其他工具持开放态度（如Gephi，graph-tools）。我在社交网络中拥有的节点和边采用 numpy 数组的形式。我希望这个可视化的节点根据属性值着色。

节点数组中的每一行都指向一个用户。节点数组中的每一列都指向一个属性。节点数组的每一列中的值都指向属性值。下面是一个包含 10 个用户和 3 个属性的节点数组示例（名称为 [Att1、Att2、Att3]。

Nodes = np.array([[1,2,4],[1,3,1],[2,2,1],[1,1,2],
              [1,2,2],[2,1,4],[1,2,1],[2,0,1],
              [2,2,4],[1,0,4]])

同样，边数组（邻接矩阵）是一个大小为节点数* 节点数的方阵。邻接矩阵中的值为 1 表示两个节点之间存在边，值为 0 表示不存在边。这是边数组的示例。

Edges = np.random.randint(2, size=(10,10))

假设我希望节点根据Nodes 中间列中给出的属性值着色（即Attribute_Value = Nodes[:,1] = [2, 3, 2, 1, 2, 1, 2, 0, 2, 0]) 有四个唯一的属性值[0,1,2,3] 所以，我希望有四种不同的颜色节点。在我的实际图表中，我有更多唯一的属性值。此外，我有数以万计的节点，所以我希望能够在我的图中调整节点的大小（半径）。

在我之前的帖子之后，我尝试了这个：

import networkx as nx
G = nx.from_numpy_array(Edges)
nx.draw(G, with_labels=True)

但是，上述代码 sn-p 的结果不允许我根据属性值选择颜色。另外，我需要调整节点的大小。如何以所述方式可视化社交图？

【问题讨论】：

标签： python graph networkx gephi social-graph

【解决方案1】：

Networkx 允许可视化图形并指定节点的大小和颜色。例如：

import networkx as nx
import matplotlib.pyplot as plt

G = nx.barabasi_albert_graph(20, 2)
node_colors = [x for x in range(20)]
node_sizes = [50 * x for x in range(20)]
cmap = plt.cm.jet
nx.draw_networkx(G,
                 with_labels=True,
                 labels={node : 'some text {}'.format(node) for node in G.nodes()},
                 node_color=node_colors,
                 node_size=node_sizes,
                 cmap=cmap)
plt.show()

labels - 是一个标签数组（按照G.nodes()的顺序）
node_sizes - 是一个整数数组，指定每个节点的大小
node_colors - 是指定每个节点颜色的数字数组
cmap - 将每个数字映射到特定颜色

这会导致：

要全面了解 Networkx 绘图的工作原理，我建议阅读 documentation。

就个人而言，为了探索和可视化特定图实例，我更喜欢将 networkx 图保存到文件中，并使用 gephi 加载它。如果您想为许多图形实例实现自动化流程，networkxs 可能会更好。

如果您选择 gephi，只需加载一个图形并使用 GUI，这非常不言自明。

【讨论】：

【解决方案2】：

networkx.draw 接受 node_color 和 node_size 的列表，这些列表需要与节点数一样长。因此，您只需将您的独特属性映射到某些颜色，然后创建这些列表。如果您有许多不同的属性，您将希望自动执行该映射。下面，我概述了 2 个选项，一个使用 matplotlib 颜色循环，另一个简单地将随机颜色分配给独特的属性。

import numpy as np
import matplotlib.pyplot as plt
import networkx as nx

Nodes = np.array([[1,2,4],
                  [1,3,1],
                  [2,2,1],
                  [1,1,2],
                  [1,2,2],
                  [2,1,4],
                  [1,2,1],
                  [2,0,1],
                  [2,2,4],
                  [1,0,4]])
Edges = np.random.randint(2, size=(10,10))
attribute_values = Nodes[:,1]

# make a color mapping from node attribute to color

# option 1: using the matplotlib color cycle;
# however, you may run out of colors if there are many different unique attributes
color_cycle = plt.rcParams['axes.prop_cycle'].by_key()['color']
attribute_to_color = dict()
for ii, attribute in enumerate(np.unique(attribute_values)):
    attribute_to_color[attribute] = color_cycle[ii]

# option 2: assign random colors
attribute_to_color = dict()
for ii, attribute in enumerate(np.unique(attribute_values)):
    attribute_to_color[attribute] = np.random.rand(3)

node_color = [attribute_to_color[attribute] for attribute in attribute_values]

# adjust node sizes according to some other attribute
node_size = Nodes[:, 2] * 100

G = nx.from_numpy_matrix(Edges)
nx.draw(G, node_color=node_color, node_size=node_size, with_labels=True)
plt.show()

【讨论】：