如何提高网络图的可视化？

Question

我尝试在 python 中使用 networkx 将相邻矩阵转换为图形。我的 "weighted" 图有大约 8000 个节点和 14000 条边。有没有很棒的布局形式或其他包，工具可以让我的图表变得更漂亮？我希望结果是边缘权重越高，节点越近。这样我就可以分析集群节点了。

networkx 文档中提供的所有布局我都试过了。我也试过用gephi，还是有点不满足我的理想。这就是它在 networkx 中的样子。它可以显示所有集群，但对于患有密集恐惧症的人来说，它看起来有点可怕:

这是我用来绘制图表的代码：

G = nx.Graph()
for i in range(10000):
    for j in range(10000):
        if mat[i][j] > 10:
            G.add_edge(a[i], a[j], weight=mat[i][j])
pos = nx.nx_pydot.graphviz_layout(G)
plt.figure(figsize=(8, 8))
plt.axis('off')
nx.draw_networkx(G, pos=pos, with_labels=False, node_size=25, edgecolors='black', edge_color='b')
plt.show()

Answer 1

让我们深入了解一下大图可视化：

根据您的问题，您可以通过三种方式来可视化图表：

在一个屏幕上绘制整个图形
在大于一屏的平面上绘制图形
部分绘制图表或减少绘制元素的数量

我们将一一回顾这些方式：

1。压缩不可压缩

你的图中有 8000 个节点和 14000 条边。假设您只需要绘制没有边的节点。因此，对于普通的全高清显示器，您将拥有：

每个节点

1920 * 1080 / 8000 = 259 像素。它是：

sqrt(259) = 17

A 17×17 像素。节点，如果您要用节点平铺整个显示。如果你想绘制节点标签，你将有：

17 - 1 * 2 (outer node borders) - 1 * 2 (inner node borders) = 13×13平方。最小的字体（我不会谈论 esoteric 字体）有 3×3(+1) 大小，因此每个节点可以存储不超过 9 个字符。

看起来像这样：

而且我们还没有画出图的边！如果我们想这样做，我们将使用：

每个图形元素

1920 * 1080 / (8000 + 14000) = 94 个像素，并且：

sqrt(94) = 9.7 - 9×9 像素。节点，因此几乎不可能在它们上面贴上简单的标签。

我认为现在很明显，单个屏幕上的整个图形总是看起来一团糟。因此，以这种方式绘制图形不是一种选择。

2。展开不可展开

如果不能在一个屏幕上绘制图表，我们可以绞尽脑汁想出一个办法——在多个屏幕上绘制！我们可以通过两种方式做到这一点：

使用 matplotlib
使用 graphviz

在 matplotlib 案例中，我们创建了一个非常大的图形（带有 figsize 参数），然后将图形导入图片（带有 plt.savefig）：

import networkx as nx 
import matplotlib.pyplot as plt 

fig = plt.figure(figsize=(40, 40)) 
G = nx.fast_gnp_random_graph(300, 0.02, seed=1337) 
nx.draw(G, node_size=30) 
plt.axis('equal') 
plt.show() 
fig.savefig('waka.svg')

这样我们就得到了一张大矢量图（这里是其中的一小部分）：

在这种情况下，我们可以使用 networkx 中可用的任何图形布局。

另一种方法是使用 Graphviz 外部库来绘制我们的图形。老实说，在这种情况下，networkx 只会将图形转换为 .dot 文件并将其发送到 Graphviz。主要缺点是您无法控制 Graphviz 绘制图形的方式。不过版面设计的还不错，效果还可以吧

使用此 Python 代码生成 .dot 文件：

import networkx as nx 

G = nx.fast_gnp_random_graph(300, 0.02, seed=1337) 
nx.nx_agraph.write_dot(G, './waka.dot')

然后使用 Graphviz：

dot -Tsvg waka.dot >waka.svg

或对于无向图：

neato -Tsvg waka.dot -Goverlap=false >waka.svg

所以结果图会是这样的（这里也是整张图的一小部分）：

Graphviz 有大量不同的选项，因此您可以根据自己的意愿转换图表。

3。切不可切

在你的图表中，你有一个巨大的连接组件（GCC）和许多小子图。整个图片大约是580×580大小，GCC大约是290×290大小所以GCC使用：

(290 × 290) ÷ (580 × 580) × 100 = 25% 个 canvas。如果你只保留 GCC，你将有 4 倍的 space 可以抽奖！在这种情况下，您可以在另一幅图像上绘制另一个连通分量。

您只能使用如下代码保留 GCC：

import networkx as nx 

G = nx.fast_gnp_random_graph(300, 0.01, seed=1337)
gcc = max(nx.connected_components(G), key=lambda x: len(x))
H = G.subgraph(gcc)
nx.draw(G, node_size=30, node_color='red')

将绘制原图：

最后一行：

nx.draw(H, node_size=30, node_color='red')

它将只绘制 GCC:

P.S.

您还可以尝试用图表做什么：

集群化节点
使用节点大小（PageRank 等）
玩转边缘颜色
不画边，保持布局
~~哭泣（以防我的回答对你一点帮助都没有）~~

Answer 2

另一种改进可视化的方法是在 3D 中绘图。这有助于消除连接区域的歧义，因为存在额外的自由度。可以做到这一点的工具是 Graphia。免责声明：我参与了此应用程序的开发。

如何提高网络图的可视化？

How to improve network graph visualization?

python

social-networking

networkx

graph-visualization

让我们深入了解一下大图可视化：

1。压缩不可压缩

2。展开不可展开

3。切不可切

P.S.