快捷導(dǎo)航

python?gravis庫實(shí)現(xiàn)圖形數(shù)據(jù)可視化實(shí)例探索

更新時(shí)間：2024年02月01日 10:12:12 作者：小寒聊python

這篇文章主要為大家介紹了python?gravis庫實(shí)現(xiàn)圖形數(shù)據(jù)可視化實(shí)例探索,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪

python gravis庫

今天給大家分享一個(gè)神奇的 python 庫，gravis

gravis（Graph Visualization Software）是一個(gè)用于圖形數(shù)據(jù)可視化的 Python 庫。它專注于提供一個(gè)簡(jiǎn)單、高效、可定制的方式來展示和探索圖形數(shù)據(jù)。

它使用 Python 來準(zhǔn)備圖形數(shù)據(jù)并使用 Web 技術(shù) (HTML/CSS/JS) 來呈現(xiàn)圖形數(shù)據(jù)，主要基于 JavaScript 庫 d3.js、 vis.js 和 3d-force-graph.js/ Three.js。結(jié)果可以顯示在 Web 瀏覽器窗口中、嵌入 Jupyter Notebook 中、導(dǎo)出到獨(dú)立的 HTML 文件或在 Web 應(yīng)用程序中作為 HTML 文本使用。還支持以 JPG、PNG 和 SVG 格式導(dǎo)出靜態(tài)圖像。

gravis 庫的一些主要特點(diǎn)

易用性，它提供了一個(gè)簡(jiǎn)潔的API來創(chuàng)建和操作圖形可視化。
與其他圖形庫兼容，gravis 可以與其他流行的圖形處理庫（如 NetworkX、igraph 等）結(jié)合使用。這意味著你可以用這些庫來創(chuàng)建和處理圖形，然后使用 gravis 來進(jìn)行可視化。
交互性，gravis 生成的圖形可視化通常是交互式的，這使用戶可以通過縮放、平移、懸停等操作來更好地探索圖形。
可定制性，提供了許多定制選項(xiàng)，比如節(jié)點(diǎn)和邊的樣式、布局算法的選擇等，使用戶可以根據(jù)需求調(diào)整可視化的外觀和行為。
多種輸出格式，gravis 支持多種輸出格式，包括在 Jupyter Notebook 中直接顯示，或者導(dǎo)出為 HTML 文件、圖片等。

庫的安裝

可以直接通過 pip 進(jìn)行安裝。

pip install gravis

圖形生成器

這里，我們使用 nx.dual_barabasi_albert_graph 來生成包含 30 個(gè)節(jié)點(diǎn)的隨機(jī)圖，然后分別對(duì)結(jié)點(diǎn)和邊添加一些屬性。

import uuid
import networkx as nx
def get_new_test_graph():
    NUM_NODES = 30
    p = 0.5
    seed = 1
    test_graph = nx.dual_barabasi_albert_graph(n=NUM_NODES, p=p, seed=seed, m1=2, m2=1)

    # add node properties
    nx.set_node_attributes(test_graph, dict(test_graph.degree()), name='degree')
    nx.set_node_attributes(test_graph, nx.betweenness_centrality(test_graph), name='betweenness_centrality')

    for node, data in test_graph.nodes(data=True):
        data['node_identifier'] = str(uuid.uuid4())
        data['feature1'] = np.random.random()
        data['feature2'] = np.random.randint(0, high=100)
        data['feature3'] = 1 if np.random.random() &gt; 0.5 else 0

    # add edge properties
    for _, _, data in test_graph.edges(data=True):
        data['feature1'] = np.random.random()
        data['feature2'] = np.random.randint(0, high=100)
    
    return test_graph

當(dāng)我們使用 networkx 繪制圖表時(shí)，我們得到以下結(jié)果。

test_graph = get_new_test_graph()
nx.draw(test_graph)

使用 gravis 畫圖

import gravis as gv 
gv.d3(
    test_graph, 
    # graph specs
    graph_height=500,
    # node specs
    node_size_data_source="betweenness_centrality",
    use_node_size_normalization=True,
    node_size_normalization_min=15,
    node_size_normalization_max=35,
    show_node_label=True,
    node_label_data_source='node_identifier',
    # edge specs
    edge_size_data_source='feature1',
    use_edge_size_normalization=True,
    edge_size_normalization_min=1,
    edge_size_normalization_max=5,
    # force-directed graph specs
    many_body_force_strength=-500
)