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）9datafl4.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。