1

我试图以图表的形式可视化我的 Linkedin 网络，其中节点是我所连接的人，这些节点将聚集到他们工作的公司中。我将我的 Linkedin 网络下载为 csv 文件并设法将图形可视化，但它看起来像一个巨大的地球。如果我可以按公司对姓名进行分组，当我单击节点时，可以获取该人的联系方式，那将是一个惊人的视觉效果。我正在使用 pyvis 和 networkx。

这是我的代码：

from pyvis.network import Network
import networkx as nx

df = pd.read_csv("Connections.csv")

# The dataframe consists of columns First Name, Last Name, #Company, Position and Connected On.

# I added a column called Name which is concat of first and #last names

G_weighted = nx.Graph()
G_weighted.add_edges_from(zip(df["My Network"], df["Name"]))



nx.set_node_attributes(G_weighted, df["Company"], 'Company')
g = Network(height=1080,width=1080, notebook=True)
g.toggle_hide_edges_on_drag(True)
g.barnes_hut()
g.from_nx(G_weighted)
g.show_buttons()
g.show('graph.html')

有没有办法根据公司将名称分组？如果是这样，我该怎么做？

由于交互选项，我非常喜欢将 pyvis 与 networkx 一起使用。

4

1 回答 1

0

我知道这有点晚了，但这里是你可以实现它的方法。

请注意，pyvis 可以group从节点数据框中获取属性并为每个组指定不同的颜色以及title属性，以便当您将鼠标悬停在节点上时可以查看详细信息。

import networkx as nx
import pandas as pd
from pyvis.network import Network

# creating test data
node_data = {
    "id": [1, 2, 3, 4],
    "Name": ["Me", "Batman", "Superman", "IronMan"],
    "Company": ["Marvel", "DC", "DC", "Marvel"],
}
edge_data = {"source": [1, 1, 2], "target": [4, 2, 3]}

nodes = pd.DataFrame(node_data)
edges = pd.DataFrame(edge_data)

# getting a group id for each company
groups = nodes.groupby("Company")["id"].apply(list).reset_index()
groups["group"] = groups.index

# finding group id for each node from groups dataframe
nodes = nodes.merge(groups, how="inner", on=["Company"])
nodes["title"] = nodes[["Name", "Company"]].apply(lambda x: f"Name:{x[0]} , Company:{x[1]}", axis=1)

nodes = nodes.drop("id_y", axis=1).set_index("id_x")

# collecting node attributes for network x
node_attrs = nodes.to_dict("index")

# creating a network x graph from dataframes
graph = nx.from_pandas_edgelist(edge_data)
nx.set_node_attributes(graph, node_attrs)


pyvis_nt = Network("1000px", "1000px", heading="Graph")
pyvis_nt.from_nx(graph)
pyvis_nt.show('test_graph.html')

输出：

在此处输入图像描述

于 2021-10-06T08:59:13.900 回答