日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

詳解Python中四種關系圖數據可視化的效果對比_python

作者：Sir?老王 ? 更新時間： 2022-12-26 編程語言

python關系圖的可視化主要就是用來分析一堆數據中，每一條數據的節點之間的連接關系從而更好的分析出人物或其他場景中存在的關聯關系。

這里使用的是networkx的python非標準庫來測試效果展示，通過模擬出一組DataFrame數據實現四種關系圖可視化。

其余還包含了pandas的數據分析模塊以及matplotlib的畫圖模塊。

若是沒有安裝這三個相關的非標準庫使用pip的方式安裝一下即可。

pip?install?pandas?-i?https://pypi.tuna.tsinghua.edu.cn/simple/

pip?install?matplotlib?-i?https://pypi.tuna.tsinghua.edu.cn/simple/

pip?install?networkx?-i?https://pypi.tuna.tsinghua.edu.cn/simple/

分別將使用到的python模塊導入到我們的代碼塊中，就可以開始開發了。

#?Importing?the?matplotlib.pyplot?module?as?plt.
import?matplotlib.pyplot?as?plt

#?Importing?the?pandas?module?and?giving?it?the?alias?pd.
import?pandas?as?pd

這里為了避免中文亂碼的情況，分別對字體和編碼進行了統一化的設置處理。

plt.rcParams["font.sans-serif"]?=?["SimHei"]
plt.rcParams["axes.unicode_minus"]?=?False

#?Importing?the?networkx?module?and?giving?it?the?alias?nx.
import?networkx?as?nx

這里我們采用了有向圖的模式來進行演示，有向圖也是在生產過程中最常用的一種可視化模式。

G?=?nx.DiGraph()?#?創建有向圖

初始化一個DataFrame數據對象作為關系圖生成的數據來源。

data_frame?=?pd.DataFrame(
????{
????????'A':?['1',?'2',?'3',?'4',?'5',?'6'],
????????'B':?['a',?'b',?'c',?'d',?'e',?'f'],
????????'C':?[1,?2,?3,?4,?5,?6]
????}
)

1、隨機分布模型

使用隨機分布模型的生成規則時，生成的數據節點會采用隨機的方式進行展示，生成的數據節點之間相對比較分散更容易觀察數據節點之間的關系指向。

for?i,?row?in?data_frame.iterrows():
????G.add_edge(row['A'],?row['B'],?weight=row['C'])

pos?=?nx.random_layout(G)

nx.draw(G,?pos,?with_labels=True,?alpha=0.7)

labels?=?nx.get_edge_attributes(G,?'weight')

nx.draw_networkx_edge_labels(G,?pos,?edge_labels=labels)

plt.axis('equal')

plt.show()

通過matplotlib展示出圖形效果如下，并且默認已經添加了數據權重。

2、放射數據模型

放射狀數據模型，顧名思義就是以一個數據節點為中心向周邊以發散狀的模式進行分布，使用數據節點指向多個節點的可視化展示。

缺點是如果數據不夠規范的情況下會展示成一團亂麻的情況，需要經過特殊的可視化處理。

使用方法這里直接將上述隨機分布模型的pos模型直接替換成下面的放射狀數據模型即可。

pos?=?nx.spring_layout(G,?seed=4000,?k=2)

3、其他模型

其余兩種方式使用同樣的方式將隨機分布模型中pos模型進行替換即可實現，這里分別展示以下實現效果。

特征值向量模型

pos?=?nx.spectral_layout(G)

圖形邊緣化分布模型

pos?=?nx.shell_layout(G)

原文鏈接：https://mp.weixin.qq.com/s/mfVS8ikkSLEAfuDNSjtxtg

欄目分類
最近更新