网络可视化，如何对齐节点并绘制更简单的图形？

Question

我一直致力于可视化应用程序类型之间的关系。 它不完全是一个“网络”，但我想画一个网络图。

各有32个体裁，各体裁之间的关系表示如下：

genre_pt.most_common(20)

[(('Personalization', 'Communication'), 22274),
 (('Personalization', 'Social'), 9774),
 (('Communication', 'Personalization'), 8393),
 (('Communication', 'Communication'), 6244),
 (('Lifestyle', 'Health & Fitness'), 4142),
 (('Health & Fitness', 'Communication'), 3737),
 (('Tools', 'Communication'), 3584),
 (('Personalization', 'Tools'), 3082),
 (('Social', 'Personalization'), 2767),
 (('Personalization', 'Books & Reference'), 2662),
 (('Personalization', 'Health & Fitness'), 2548),
 (('Education', 'Communication'), 2530),
 (('Personalization', 'Education'), 2376),
 (('Social', 'Communication'), 2297),
 (('Personalization', 'Personalization'), 2285),
 (('Social', 'Health & Fitness'), 2261),
 (('Personalization', 'Finance'), 1985),
 (('Communication', 'Social'), 1926),
 (('Personalization', 'Lifestyle'), 1829),
 (('Communication', 'Tools'), 1729)]

我想做一个有向网络图，元组的第一个值表示节点从哪里来，下一个值表示节点到哪里，最后一个数值是两个节点之间的权重。

到目前为止，我已经设法通过以下代码使用 pyvis 或 networkx 进行绘图， 但由于我有太多节点（每个节点 32 个，所以 32*32 = 1024 ！！）情节还不清楚。

net = Network(notebook=True)

for gen in set(genre_dict.values()): #add node
    net.add_node(gen, label=gen)

for k,v in zip(genre_pt.keys(), genre_pt.values()):
    if all(k) is False: continue
    net.add_edge(k[0], k[1], weight= v) #add values between nodes

ngx = nx.complete_graph(5)
net.from_nx(ngx)
net.show("example.html")

G = nx.DiGraph()

for k,v in zip(genre_pt.keys(), genre_pt.values()):
    G.add_edge(k[0], k[1], weight = v)

pos = nx.spring_layout(G)

nx.draw_networkx_nodes(G, pos, node_size=700)
edge_width = [0.15 * G[u][v]['weight'] for u, v in G.edges()]

graph = nx.draw_networkx(G,pos,
                 alpha = 0.7,
                 with_labels = True, width = edge_width,
                 edge_color ='.4', cmap = plt.cm.Blues)

我想看看有向关系（权重有多强） 节点之间以清晰的方式。

如果我能得到一个看起来像这样的图表，那将是最好的

至少

像这样，有更好的说明。

如果有人可以帮助我解决这个问题，我将不胜感激。 先感谢您！ :D

Answer 1

这是一种解决方案。由于节点是相同的字符串，因此 networkx 将假定它们是相同的节点。我的解决方案是仅对节点使用整数，并仅通过字典映射在图中应用节点标签。然后我计算了一个自定义的职位字典。

另外请注意，我将图重命名为 DG，因为这是有向图的命名约定。

不幸的是，当绘制非常粗的线时，matplotlib 中的箭头看起来很奇怪，根据this SO question，我不确定除了手动调整一些相关参数之外可以做很多事情来修复它。

首先是输出，然后是可复制粘贴的代码：

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

genre_pt = [(('Personalization', 'Communication'), 22274),
            (('Personalization', 'Social'), 9774),
            (('Communication', 'Personalization'), 8393),
            (('Communication', 'Communication'), 6244),
            (('Lifestyle', 'Health & Fitness'), 4142),
            (('Health & Fitness', 'Communication'), 3737),
            (('Tools', 'Communication'), 3584),
            (('Personalization', 'Tools'), 3082),
            (('Social', 'Personalization'), 2767),
            (('Personalization', 'Books & Reference'), 2662),
            (('Personalization', 'Health & Fitness'), 2548),
            (('Education', 'Communication'), 2530),
            (('Personalization', 'Education'), 2376),
            (('Social', 'Communication'), 2297),
            (('Personalization', 'Personalization'), 2285),
            (('Social', 'Health & Fitness'), 2261),
            (('Personalization', 'Finance'), 1985),
            (('Communication', 'Social'), 1926),
            (('Personalization', 'Lifestyle'), 1829),
            (('Communication', 'Tools'), 1729)]

G1_keys = set([k[0] for k, _ in genre_pt])
G2_keys = set([k[1] for k, _ in genre_pt])
G_keys = G1_keys.union(G2_keys)
num_keys = len(G_keys)
G_mapping = {k: v for v, k in enumerate(G_keys)}
G_rev_mapping = {k: v for k, v in enumerate(G_keys)}

edge_list = []
for edge, weight in genre_pt:
    mapped_edge = (G_mapping[edge[0]], G_mapping[edge[1]] + num_keys, weight)
    edge_list.append(mapped_edge)

node_labels = {k: v for k, v in G_rev_mapping.items()}
node_labels.update({k + num_keys: v for k, v in G_rev_mapping.items()})

DG = nx.DiGraph()

DG.add_weighted_edges_from(edge_list)
DG.add_nodes_from([k for k in G_rev_mapping.keys()])

pos = {}
for node in node_labels.keys():
    x_spacing = np.linspace(-0.8, 0.8, num_keys)
    x = x_spacing[node] if node < num_keys else x_spacing[node - num_keys]
    y = 0.5 if node < num_keys else -0.5
    pos[node] = (x, y)

edge_width = [DG[u][v]['weight'] for u, v in DG.edges()]
normalized_edge_width = [10 * width / max(edge_width) for width in edge_width]

plt.figure(1, figsize=(24, 8))
graph = nx.draw_networkx(DG, pos,
                         alpha=0.7,
                         with_labels=True, width=normalized_edge_width,
                         edge_color='.4', cmap=plt.cm.Blues, node_size=4000, labels=node_labels,
                         arrowstyle='->,head_width=0.6,head_length=0.5')