错误的 networkx 图形和可视化很难看

Question

我有一个由 60 多个（2x2）大小的值组成的数据框，一些数据的样本如下

   label           data_pairs
   -1040         [(-1037.13, -1044.77)]
   -1092         [(-1102.64, -1081.64)]
   -1105         [(-1107.36, -1102.64)]
   -137          [(-136.19, -138.75)]
   -1431         [(-1434.08, -1429.31)]
   -612          [(-622.47, -601.98)]
   -672          [(-669.77, -674.95)]
   -752          [(-748.22, -755.9)]
   -791          [(-795.19, -788.02)]

正如数据集中的名称所暗示的那样，我想为该pair's values绘制networkx图并相应地label它们。 根据 StackOverflow 用户建议之一，我按照他的指导进一步修改了代码如下

df=pd.read_excel (r'C:\Users\xxx\Documents\Python Scripts\Python 
                 Scripts\uuu\data_pairs.xlsx')   # type: datFrame (10,2)

networkx代码如下

import networkx as nx

G = nx.DiGraph()
edges = np.stack(df.Pairs.to_numpy()).reshape(-1,2)   # array of str1248 (5,2)
G = nx.from_edgelist(edges)
pos = nx.spring_layout(G, k=0.6)     # dict

fig=plt.figure(figsize=(10,2),dpi=300)
nx.draw(G, pos=pos, node_size=800, with_labels=True,node_color='y')

edges值看起来像这样

[(-1037.13, -1044.77)]  [(-1102.64, -1081.64)]
[(-1107.36, -1102.64)]  [(-1187.16, -1192.42)]
[(-1261.33, -1280.02)]  [(-136.19, -131.06)]
[(-131.06, -138.75)]    [(-136.19, -138.75)]
[(-1434.08, -1429.31)]  [(-304.94, -308.8), (-304.94, -307.85)]

 

这个networkx图我得到了这样的东西

正如您所看到的，由于使用两个值来连接图形的edges值，这些数字看起来是错误的。 此外，图中没有显示标签。 例如对于data_pairs值 [(-1037.13, -1044.77)] 我应该在行之间得到label值 -1040。 像这样的东西(-1037.13)--------------------> (-1044.77)等等。
-1040

以上只是为了理解。

你能帮我如何得到这样的结果吗？ 非常感谢提前

Answer 1

问题是您的列包含嵌套在列表中的元组。 你需要让正确结构的值networkX构建rgaph预期。 一种简单的方法是将值堆叠到一个数组中，然后适当地重新整形。

此外， nx.spring_layout有一个参数k ，用于设置图中节点之间的间距：

from ast import literal_eval
from itertools import chain

df['data_pairs']= df['data_pairs'].map(literal_eval)
G = nx.from_edgelist(chain.from_iterable(df.data_pairs))

plt.figure(figsize=(10,5))
pos = nx.spring_layout(G, k=.6)
nx.draw(G, 
        pos=pos,
        node_size=800, 
        with_labels=True, 
        node_color='y')

输入数据 -

G.edges()
EdgeView([(-1037.13, -1044.77), (-1102.64, -1081.64), (-1102.64, -1107.36), 
          (-136.19, -138.75), (-1434.08, -1429.31), (-622.47, -601.98), 
          (-669.77, -674.95), (-748.22, -755.9), (-795.19, -788.02), 
          (-304.94, -308.8), (-304.94, -307.85)])