基于Pandas DataFrame构建NetworkX图：NaN边处理与节点大小问题

核心处理思路 #

1. 过滤无效边：直接丢弃Score_pair为NaN的行，这类数据无法生成有效连接
2. 确保节点Score唯一：同一个导演可能在DataFrame中重复出现，需提取唯一的Score值用于设置节点大小
3. 匹配节点与属性长度：保证图中所有节点都有对应的Score值，避免绘制时出现长度不匹配的ValueError

完整可复现代码 #

import pandas as pd
import numpy as np
import networkx as nx
import matplotlib.pyplot as plt

# 模拟用户数据集结构
data = {
    'directors': ['诺兰', '卡梅隆', '斯皮尔伯格', '诺兰', '卡梅隆'],
    'pair_directors': ['卡梅隆', '诺兰', '诺兰', '斯皮尔伯格', np.nan],
    'Score': [9.2, 8.8, 8.5, 9.2, 8.8],
    'Score_pair': [0.7, 0.7, 0.5, 0.5, np.nan]
}
df = pd.DataFrame(data)

# 1. 过滤无有效边的行
edge_df = df.dropna(subset=['Score_pair'])

# 2. 构建网络图
G = nx.from_pandas_edgelist(
    edge_df,
    source='directors',
    target='pair_directors',
    edge_attr='Score_pair'
)

# 3. 处理节点大小：提取唯一Score并缩放
node_score_map = df[['directors', 'Score']].drop_duplicates().set_index('directors')['Score']
# 对齐图中所有节点，避免孤立节点无Score导致错误
node_score_map = node_score_map.reindex(G.nodes(), fill_value=0)
node_sizes = node_score_map * 1000  # 缩放系数可按需调整

# 4. 处理边的粗细：提取Score_pair并缩放
edge_widths = [G[u][v]['Score_pair'] * 5 for u, v in G.edges()]

# 5. 绘制网络图
plt.figure(figsize=(10, 8))
pos = nx.spring_layout(G, seed=42)  # 固定布局方便复现

nx.draw_networkx_nodes(G, pos=pos, node_size=node_sizes, node_color='skyblue', alpha=0.8)
nx.draw_networkx_edges(G, pos=pos, width=edge_widths, edge_color='gray', alpha=0.6)
nx.draw_networkx_labels(G, pos=pos, font_size=12, font_weight='bold')
# 可选：绘制边的Score_pair标签
nx.draw_networkx_edge_labels(G, pos=pos, edge_labels={(u, v): round(G[u][v]['Score_pair'], 1) for u, v in G.edges()})

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

错误原因解析 #

• NaN未过滤：nx.from_pandas_edgelist无法处理源/目标节点为NaN的行，会生成无效节点或导致边构建失败
• 节点与大小不匹配：若未对导演的Score去重，或未对齐图中所有节点，会导致node_sizes长度与节点数量不一致，触发ValueError
• 缩放系数缺失：直接用原始Score作为节点大小会导致节点过小无法看清，需乘以合适的缩放系数

内容的提问来源于stack exchange，提问作者OliviaJ