创建网络图

Question

我的 CSV 格式的样本数据集如下所示。

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

[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....

我想以网络形式表示它。表示它的有效方式是什么（例如 Gephi、networkx 等）。边缘的厚度应该代表边缘的重量。

Answer 1

使用networkx，可以添加带属性的边

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

Answer 2

如果您的 csv 文件很大，我建议您将 pandas 用于任务的 I/O 部分。 networkx 有一个与pandas 交互的有用方法，称为from_pandas_dataframe。假设您的数据是上述格式的 csv，则此命令应该适合您：

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

但为了演示，我将在您的要求内使用 10 个随机边（您无需导入 numpy，我只是将其用于随机数生成）：

import matplotlib as plt
import networkx as nx
import pandas as pd

#Generate Random edges and weights
import numpy as np
np.random.seed(0) # for reproducibility

w = np.random.rand(10) # weights 0-1
node1 = np.random.randint(10,19, (10))  # I used 10-19 for demo
node2 = np.random.randint(10,19, (10))
df = pd.DataFrame({'node1': node1, 'node2': node2, 'weight': w}, index=range(10))

上一个块中的所有内容都应生成与您的pd.read_csv 命令相同的内容。导致这个DataFrame，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from_pandas_dataframe 初始化MultiGraph。这假设您将有多个边连接到一个节点（OP 中未指定）。要使用此方法，您必须对convert_matrix.py 文件中的networkx 源代码进行简单更改，实现here（这是一个简单的错误）。

MG = nx.from_pandas_dataframe(df, 
                              'node1', 
                              'node2', 
                               edge_attr='weight',
                               create_using=nx.MultiGraph()
                              )

这会生成您的 MultiGraph，您可以使用 draw 对其进行可视化：

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)

详细说明： positions 是一个字典，其中每个节点都是一个键，值是图上的一个位置。我将在下面描述我们为什么存储positions。通用draw 将绘制您的MultiGraph 实例MG，其节点位于指定的positions。但是，如您所见，边缘的宽度都相同：

但是您拥有添加权重所需的一切。首先将权重放入名为weights 的列表中。使用edges 遍历每个边（使用列表理解），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draw_networkx_edges，它只绘制图形的边缘（没有节点）。由于我们拥有节点的positions，并且我们设置了hold=True，因此我们可以在之前的可视化之上绘制加权边缘。

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

您可以看到节点(14, 13) 具有来自DataFrame df（除了(13,13)）的最重线和最大值。

Answer 3

如果您在 Linux 中，并假设您的 csv 文件如下所示（例如）：

23;89;3.49
23;14;1.29
75;14;2.85
14;75;2.9
75;23;0.9
23;27;4.9

你可以使用这个程序：

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，这是我找到的最简单（没有任何 python 模块依赖）的方法。

这是无向图的图像结果（使用 dir=none）：

Answer 4

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……

之后你可以将csv文件导入到Gephi中来表示以边的粗细代表权重的图形，例如： enter image description here