Python中网络图可视化求助：基于带权重DataFrame构建有向图

问题分析 #

你当前的代码仅完成了图的基础构建，存在两个核心问题：

1. nx.from_pandas_edgelist默认创建无向图，不符合你需要的单向连接需求；
2. 缺少可视化渲染逻辑，无法将图展示出来，也未实现边粗细对应权重的效果。

完整解决方案代码 #

import networkx as nx
import matplotlib.pyplot as plt

# 1. 构建有向图，指定create_using参数确保单向连接
G = nx.from_pandas_edgelist(
    df_new,
    source='SourceNode',
    target='target',
    edge_attr='Weight',
    create_using=nx.DiGraph()  # 关键：明确创建有向图
)

# 2. 设置节点布局（大型图可更换为kamada_kawai_layout减少重叠）
pos = nx.spring_layout(G, seed=42)  # seed固定布局，方便重复查看

# 3. 将权重映射为边的宽度（根据实际权重范围调整缩放因子）
edge_widths = [G[u][v]['Weight'] * 0.001 for u, v in G.edges()]  # 0.001避免权重过大导致线条过粗

# 4. 绘制图形元素
nx.draw_networkx_nodes(G, pos, node_size=300, node_color='lightblue')
nx.draw_networkx_edges(G, pos, width=edge_widths, edge_color='gray', arrows=True)
nx.draw_networkx_labels(G, pos, font_size=8)

# 隐藏坐标轴并显示图形
plt.axis('off')
plt.show()

关键细节说明 #

• 有向图配置：通过create_using=nx.DiGraph()强制创建有向图，保证源节点到目标节点的单向连接关系正确；
• 边粗细适配：用缩放因子（示例为0.001）将权重值转换为合理的线条宽度，可根据你的实际权重区间调整该系数；
• 大型图优化：如果数据量极大，可尝试：
  • 改用nx.kamada_kawai_layout布局算法，缓解节点重叠；
  • 先对数据采样验证逻辑，再处理全量数据；
  • 调小node_size和font_size，避免图形拥挤。

内容的提问来源于stack exchange，提问作者Shapa