问题描述
如果我有以下数据框:
import pandas as pd
df = pd.DataFrame({'group' : ['A','B','C','D','A','B'],'value' : ['green','blue','orange','pink','green','black','yellow','yellow']})
我将如何清理数据以构建 networkx
可视化,将 df['group']
值显示为“节点”,而常见 df['value']
值的数量决定了之间连接的粗细节点?
解决方法
我假设您指的是最简单的情况:无向图,没有自循环,仅计算每个 value
中显示为 group
的独特颜色。
如果您在上面的评论中另有说明,我会更改此答案。
from itertools import combinations
import networkx as nx
d = df.groupby('group').agg({'value': lambda x: x.tolist()}).to_dict()['value']
combos = list(combinations(d.keys(),2))
edge_lst = [(combo[0],combo[1],len(set(d[combo[0]]) & set(d[combo[1]])))
for combo in combos if len(set(d[combo[0]]) & set(d[combo[1]])) > 0]
g = nx.Graph()
g.add_nodes_from(d)
g.add_weighted_edges_from(edge_lst)
给出 g.nodes()
作为
NodeView(('A','B','C','D'))
和 g.edges(data=True)
为
EdgeDataView([('A',{'weight': 2})])
如果你想用 edge_width
与边的权重成正比来做一个非常简单的可视化:
pos = nx.spring_layout(g)
edgewidth = [g[u][v]['weight'] for u,v in g.edges()]
nx.draw_networkx_nodes(g,pos)
nx.draw_networkx_edges(g,pos,width=edgewidth)
nx.draw_networkx_labels(g,pos)
plt.show()