python代码电影人物关系_Python基于network模块制作电影人物关系图

在我们生活的世界中，每一个人以及每一个事物相互之间都存在着关系，有直接关系，也有间接关系，最终会形成一个无形的大的关系网。network模块是一个用python语言开发的图论和复杂网络建模工具，模块内置了常用的图与复杂网络分析算法。

network模块有四种图：Graph、DiGraph、MultiGraph、MultiDigraph,分别为无多重边无向图、无多重边有向图、有多重边无向图、有多重边有向图。其中Graph是用点和线来刻画离散事物集合中，每对事物间以某种方式相联系的数学模型。

下面我们来分析《复仇者联盟4》人物关系： import pandas as pd

#导入绘图模块

import networkx as nx

import matplotlib.pyplot as plt

# 读取文件

aa =r'F:\\python入门\\python编程锦囊\\Code(实例源码及使用说明)\\Code(实例源码及使用说明)\\Code(实例源码及使用说明)\\09\\data\\fl4.xls'

df = pd.DataFrame(pd.read_excel(aa))

#去除重复项，并转换成列表

df1=df['label1'].drop_duplicates().values.tolist()

df2=df[['label1','label2','weight']]

#设置画布大小

plt.figure(figsize=(6, 5))

#颜色数据

colors = df['color'].drop_duplicates().values.tolist()

#G：图表，一个networkx图

G = nx.Graph()

# 添加边

for i in df2.index:

G.add_edge(df2.label1[i], df2.label2[i], weight=df2.weight[i])

# 定义两个边，并给边赋予权重，其中u是起点，v是终点，d是权重

edge1 = [(u, v) for (u, v, d) in G.edges(data=True) if (d['weight'] >=1)]

edge2 = [(u, v) for (u, v, d) in G.edges(data=True) if (d['weight'] >=15)]

# 图的布局

# 节点在一个圆环上均匀分布

pos = nx.circular_layout(G)

#用Fruchterman-Reingold算法排列节点

#pos=nx.spring_layout(G)

#节点随机分布

#pos=nx.spring_layout(G)

# 点

#node_size指定节点的尺寸大小，默认值为300

#node_color指定节点的颜色，默认值为红色

#node_shape节点的形状，默认值为圆形，用o表示

nx.draw_networkx_nodes(G, pos, alpha=1, node_size=200,node_color=colors,node_shape='o')

#nx.draw_networkx_nodes(G, pos, alpha=1, node_size=300,node_color=colors,node_shape='p')

# 边

#pos:字典类型，节点作为键、位置作为值。位置是长度为2的序列

#edgelist：边缘元组的集合，只绘制指定的边，默认值为G.edges()

#width边的宽度，默认值为1.0

#alpha透明度，默认值为1.0(不透明)，0为完全透明

#edge_color边的颜色，默认值为黑色

#style边的样式，默认值为实线。

nx.draw_networkx_edges(G, pos, edgelist=edge1,width=1, alpha=0.3, edge_color='g', style='dashed')

nx.draw_networkx_edges(G, pos, edgelist=edge2, width=1.5, alpha=0.5, edge_color='red')

# 标签

#font_size节点标签字体大小，默认值为12

nx.draw_networkx_labels(G, pos, font_size=9)

# 生成结果

plt.axis('off')

plt.title('《复仇者联盟4》人物关系图')

plt.rcParams['font.size'] = 10

plt.rcParams['font.sans-serif']=['SimHei'] #解决中文乱码

plt.show()

结果：

使用力引导算法Fruchterman-Reingold排列点画图，可以大大减少边的交叉,只需要改两行代码即可： #用Fruchterman-Reingold算法排列节点

pos=nx.spring_layout(G)

# 点

nx.draw_networkx_nodes(G, pos, alpha=1, node_size=300,node_color=colors,node_shape='p')

结果：

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持聚米学院。