「 Python数据可视化系列」7.可视化图和网络

来源 | 「Practical Python Data Visualization  A Fast Track Approach To Learning Data Visualization With Python」

作者 | Ashwin Pajankar

译者 | Liangchu

校对 | gongyouliu

编辑 | auroral-L

全文共3050字，预计阅读时间15分钟。

第七章  可视化图和网络

目录

 

  

  一、图和网络

    1、Python3中的图

  二、在Python3中可视化图
  三、图的更多类型

  四、为节点指定自定义标签
  ❤总结

在第六章 「图像可视化和3D图形」中，我们用Python 3和Matplotlib演示了图像和三维对象的可视化，并且还学习了一些图像处理的操作。

本章重点介绍数据结构的可视化，即图（graph）和网络（network）。让我们通过学习以下内容继续我们的数据可视化之旅：

• 图和网络

• 在Python 3中可视化图

• 图的更多类型

• 为节点指定自定义标签

完成本章之后，你将能够使用Python 3可视化图和网络。

一、图和网络

图是一种抽象数据类型，它也被称为网络。它由一组有限的顶点（也称为节点）和一组有限的边（也称为链接）组成。当我们提到一个图时，术语顶点和边也常常会被提到。节点和链接是我们描述像网络这样的相同结构时使用的术语。在本章中，为了表述的一致性，我使用图、节点和边等术语来表示此数据结构。

在图中，顶点通过边相互连接。树是图的子类型，在图中可以有圆圈（形成回路），但在树中是不能形成回路的。我们也可以把图分为有向图（directed graphs）和无向图（undirected graphs）。边在图中可以被赋值，这种图称为加权图（weighted graph）。在这一章中，我们讨论无向图和无权图的可视化。

1.Python 3中的图

为了方便地使用和可视化图形，我们将使用名叫networkx的Python 3库。你可以通过在Jupyter Notebook单元格中运行以下命令来安装它：

!pip3 install network

现在，导入它和另一个库Matplotlib。我们还将在笔记本中启用绘图：

%matplotlib inline

import networkx as nx

import matplotlib.pyplot as plt

你可以创建一个新的空图形，如下所示：

G = nx.Graph()

现在让我们确定它的类型，如下所示：

type(G)

以下是输出：

networkx.classes.graph.Graph

你可以查看节点和边的列表，还可以看到它们的数据类型，如下所示：

print(G.nodes()) 

print(G.edges()) 

print(type(G.nodes())) 

print(type(G.edges()))

这将产生以下输出：

[]

[]

<class 'networkx.classes.reportviews.NodeView'>

<class 'networkx.classes.reportviews.EdgeView'>

可以按如下方式添加节点：

G.add_node('a')

或者也可以添加列表中指定的多个节点：

G.add_nodes_from(['b', 'c'])

我们将再次打印节点列表和边列表（因为我们尚未添加任何边，所以该边列表应为空）：

print('Nodes of the graph G: ')

print(G.nodes())

print('Edges of the graph G: ')

print(G.edges())

输出如下所示：

Nodes of the graph G:

['a', 'b', 'c']

Edges of the graph G:

[]

请看以下语句：

G.add_edge(1, 2)

这条语句添加了两个节点和相应的边。如果函数调用中的参数已经是图的节点列表的一部分，则不会再次添加。下面是另一种添加方法：

edge = ('d', 'e')

G.add_edge(*edge)

edge = ('a', 'b')

G.add_edge(*edge)

让我们再次打印节点和边的列表，如下所示：

print('Nodes of the graph G: ')

print(G.nodes())

print('Edges of the graph G: ')

print(G.edges())

我们还可以指定边列表并将其添加到图形中：

G.add_edges_from([('a', 'c'), ('c', 'd'),('a', 1),(1, 'd'),('a', 2)])

现在让我们再次打印所有内容：

print('Nodes of the graph G: ')

print(G.nodes())

print('Edges of the graph G: ')

print(G.edges())

输出如下：

Nodes of the graph G:

['a', 'b', 'c', 1, 2, 'd', 'e']

Edges of the graph G:

[('a', 'b'), ('a', 'c'), ('a', 1), ('a', 2), ('c', 'd'), (1, 2), (1, 'd'), ('d', 'e')]

二、在Python 3中可视化图

本节重点介绍networkx库中图形的可视化。你已经在前面的部分准备了一个图。现在你可以将它可视化如下：

nx.draw(G)

plt.show()

输出如图（7-1）所示：

 

请注意，这些可视化是随机生成的，每次运行语句时，它都会为可视化表示创建不同的图像。然而，这些不同的可视化所代表的图形是同构的。

如图（7-2）显示了再次执行同一单元格时的输出：

 

如你所见，这两个可视化是同构的，因为它们是从同一个图形生成的。你还注意到节点不显示任何名称，所以可以使用以下代码显示节点的名称：

nx.draw(G, with_labels=True) 

plt.show()

结果如图（7-3）所示：

 

若要以粗体显示节点的标签，请使用以下代码：

nx.draw(G, with_labels=True, font_weight='bold') 

plt.show()

可视化如图（7-4）所示：

 

 

三、图的更多类型

接下来，我们可以看一下更多类型的图及其可视化效果。第一种是线性图（ linear graph ）也叫路径图（path graph），连接到图中某个节点的节点数称为该节点的度（degree）。我们可以这样说：一个路径图是一个图，该图中有两个节点的度数为1，其余节点的度数为2。倘若我们直观地排列一个路径图，它看起来就像一条分段的线。要创建路径图，请运行以下代码：

G = nx.path_graph(4) 

To display the nodes and edges, use this code: 

print('Nodes of the graph G: ') 

print(G.nodes()) 

print('Edges of the graph G: ') 

print(G.edges())

以下是输出：

Nodes of the graph G: 

[0, 1, 2, 3] 

Edges of the graph G: 

[(0, 1), (1, 2), (2, 3)]

接下来让我们创建它的可视化：

nx.draw(G, with_labels=True) 

plt.show()

结果如图（7-5）所示：

 

 

下一种图是Petersen图，它是一种有10个顶点和15条边的无向图。我们可以使用以下代码创建它，并且查看边和节点的值：

G = nx.petersen_graph() 

print('Nodes of the graph G: ') 

print(G.nodes()) 

print('Edges of the graph G: ') 

print(G.edges())

我们可以将它可视化如下：

nx.draw(G, with_labels=True) 

plt.show()

输出如图（7-6）所示：

 

 

现在有很多方法可以更好地将它画出来。我们可以把它描绘成一个五角大楼，里面有一个五角星，有五条辐条。下面的代码就是这样做的：

nx.draw_shell(G,nlist[range(5,10),range(5)],with_labels=True,font_weight='bold') 

plt.show()

此代码以shell形式显示它。我们在参数nlist中提到了节点的逐层列表。下图（7-7）中显示的输出与前面的输出同构：

 

 

我们可以自定义图形的绘制方式。使用以下代码自定义节点大小和线条宽度：

options = {'node_color': 'black', 'node_size': 100, 'width': 3}

现在让我们用这些选项来可视化Petersen图：

nx.draw_random(G, **options) 

plt.show()

如图（7-8）显示了输出：

 

 

接下来，我们可以将其可视化为圆形构造，如下所示：

nx.draw_circular(G, **options) 

plt.show()

输出如图（7-9）所示：

 

 

我们还可以以光谱构造描绘彼得森图，如下所示：

nx.draw_spectral(G, **options) 

plt.show()

如图（7-10）显示了输出：

 

 

我们可以在shell配置中用如下自定义选项描绘Petersen图：

nx.draw_shell(G, nlist=[range(5, 10), range(5)], **options) 

plt.show()

输出如图（7-11）所示：

 

 

我们还可以创建一个十二面体图，如下所示：

G = nx.dodecahedral_graph()

它可以以shell形式可视化，如下所示：

shells = [[2, 3, 4, 5, 6],[8, 1, 0, 19, 18,17, 16, 15, 14, 7],[9, 10, 11, 12, 13]] 

nx.draw_shell(G, nlist=shells, **options) 

plt.show()

如图（7-12）显示了输出：

 

可以使用以下命令将图形保存为磁盘上的文件：

plt.savefig('graph.png')

此语句将文件保存在程序所在位置的磁盘上（与笔记本相同的目录下）。

四、为节点指定自定义标签

可以使用以下代码为节点指定自定义标签：

G = nx.path_graph(4) 

cities = {0: 'Mumbai', 1: 'Hyderabad', 2: 'Banglore', 3: 'New York'} 

H=nx.relabel_nodes(G, cities) 

print('Nodes of the graph H: ') 

print(H.nodes()) 

print('Edges of the graph H: ') 

print(H.edges())

输出如下：

Nodes of the graph H: 

['Mumbai', 'Hyderabad', 'Banglore', 'New York'] 

Edges of the graph H: 

[('Mumbai', 'Hyderabad'), ('Hyderabad', 'Banglore'),  

('Banglore', 'New York')]

使用以下代码创建可视化：

nx.draw(H, with_labels=True) 

plt.show()

如图（7-13）显示了输出：

 

 

❤总结

本章探讨了图的概念，介绍了图的不同类型，你学会了用不同的方式可视化它们。现在，你应该熟悉Python 3中图形数据结构的可视化了。

下一章将介绍SciPy的数据科学库——pandas。我们将介绍pandas库中的多种数据结构，包括系列（series）和数据帧（dataframe），并将演示一些数据可视化的示例。