如何用Python创建以用户为节点、共享人员度数为边的NetworkX网络图

1. 读取并整理CSV数据 #

先通过pandas读取CSV，把每个用户对应的关联人员整理成集合，方便后续计算交集：

import pandas as pd
import networkx as nx
import matplotlib.pyplot as plt
from itertools import combinations

# 替换为你的CSV文件路径，假设列名为User（用户）和Person（关联人员）
df = pd.read_csv('your_data.csv')
# 按用户分组，将每个用户对应的关联人员转为集合
user_related_persons = df.groupby('User')['Person'].apply(set).to_dict()

2. 创建图并添加节点 #

直接把所有用户作为节点加入图中：

G = nx.Graph()
# 添加所有用户节点
G.add_nodes_from(user_related_persons.keys())

3. 计算共享人员数并添加边 #

遍历所有用户对，计算他们关联人员集合的交集大小（即共享人员数），大于0时添加边，边的权重设为共享人数：

# 用combinations生成所有不重复的用户对
for user1, user2 in combinations(user_related_persons.keys(), 2):
    shared_count = len(user_related_persons[user1] & user_related_persons[user2])
    if shared_count > 0:
        G.add_edge(user1, user2, weight=shared_count)

4. 绘制带权重的网络图 #

可以根据边的权重设置边的粗细，节点大小用度数（或加权度数）区分：

# 获取节点的普通度数（连接的边数）
node_degrees = dict(G.degree())
# 获取边的权重，用来设置边的粗细
edge_weights = [d['weight']*2 for (u, v, d) in G.edges(data=True)]
# 节点大小基于度数缩放
node_sizes = [deg*150 for deg in node_degrees.values()]

# 固定布局种子，保证每次画图位置一致
pos = nx.spring_layout(G, seed=123)
# 绘制节点、边、标签
nx.draw_networkx_nodes(G, pos, node_size=node_sizes, node_color='#87CEEB')
nx.draw_networkx_edges(G, pos, width=edge_weights, alpha=0.6)
nx.draw_networkx_labels(G, pos, font_size=12, font_weight='bold')
# 显示边的共享人数标签
edge_labels = nx.get_edge_attributes(G, 'weight')
nx.draw_networkx_edge_labels(G, pos, edge_labels=edge_labels, font_size=10)

plt.axis('off')
plt.show()

5. 获取图中的度数 #

• 普通度数：指节点连接的边的数量（即该用户和多少其他用户有共享人员）

# 所有节点的普通度数
print("普通度数：", dict(G.degree()))
# 单个用户的普通度数，比如用户A
print("用户A的普通度数：", G.degree('A'))

• 加权度数：指该用户所有连接边的权重之和（即该用户总共共享的人员总数）

# 所有节点的加权度数
print("加权度数：", dict(G.degree(weight='weight')))
# 单个用户的加权度数
print("用户A的加权度数：", G.degree('A', weight='weight'))

内容的提问来源于stack exchange，提问作者hansa