Knowledge Graph 绘图

图论是一种非常强大的数据科学工具，可让您可视化和理解复杂的交互。NetworkX是一个用于构建图形的 Python 包，它具有大部分可用的默认值，但利用 matplotlib 允许我们自定义图形的几乎所有可能的方面。 我知道我希望它在我的脑海中是什么样子，但是经过数小时的文档和 StackOverflow 搜索后，我决定为我学会如何改变的所有东西创建这个一站式商店！ 现在，您也可以构建可读的图表来帮助可视化复杂的关系。

1. 创建 NetworkX 图

我们将从制作一个基本图表开始！ 有几种方法可以做到这一点。 我发现最简单的方法是从你指定边缘的 pandas DataFrame 中。 什么是优势？ 好吧，图是使用节点和边构建的。 一个节点代表某个对象，可能是一个人或一个组织，而一条边代表从一个节点到另一个节点的实际连接。 所以在下面的例子中，“A”、“B”、“C”和“D”是节点，它们之间的线是边。

fig, ax = plt.subplots(figsize=(15,8))

relationships = pd.DataFrame({
   'from': ['A', 'A', 'A'], 
                              'to':   ['B', 'C', 'D']})

G = nx.from_pandas_edgelist(relationships, 'from', 'to', create_using=nx.Graph())

nx.draw(G, with_labels=True)

2. 节点颜色

我们也可以很容易地改变所有节点的颜色。 您会注意到一种模式，即为图形全局更改特征非常简单（在 .draw() 方法中使用关键字）。

fig, ax = plt.subplots(figsize=(15,8))

relationships = pd.DataFrame({
   'from': ['A', 'A', 'A'], 
                              'to':   ['B', 'C', 'D']})
 
G = nx.from_pandas_edgelist(relationships, 'from', 'to', create_using=nx.Graph())

# Set node_color
nx.draw(G, with_labels=True, node_color='red')

3. 节点类型的节点颜色

但是假设我们想根据类型而不是全局更改节点的颜色。 这需要一些设置，但一旦到位，我们可以快速添加新类型并相应地自动着色。 基本上，我们创建另一个 DataFrame，在其中指定节点 ID 和节点类型，并使用 pd.Categorical() 方法应用颜色图。

所以现在我们的字母节点是蓝色的，我们的数字节点是橙色的！

fig, ax = plt.subplots(figsize=(15, 8))

relationships = pd.DataFrame({
   'from': ['A', 'A', 'A', '1', '2'], 
                              'to':   ['B', 'C', 'D', 'C', 'C']})

# Create DF for node characteristics
carac = pd.DataFrame({
   'ID':['A', 'B', 'C', 'D', '1', '2'], 
                      'type':['Letter','Letter', 'Letter', 'Letter', 
                      'Number', 'Number']})

# Create graph object
G = nx.from_pandas_edgelist(relationships, 'from', 'to', create_using=nx.Graph())

# Make types into categories
carac = carac.set_index('ID')
carac = carac.reindex(G.nodes