如何基于多个邻接矩阵绘制树形结构图？

核心思路 #

先从整理好的DataFrame中提取节点间的连接关系（边列表），再用可视化库将其渲染为层次化的树形结构。邻接矩阵中大于0的数值代表父节点到子节点存在连接，该数值可作为连接的权重（比如控制边的粗细）。

步骤1：提取边列表 #

遍历三个DataFrame，把所有父节点→子节点的关系（含权重）整理成统一的列表：

import pandas as pd

# 复用已有的DataFrame构建代码
a = [[2, 0, 0, 0, 0], [0, 0, 1, 1, 0], [0, 1, 0, 0, 1]]
b = [[2, 0, 0, 0, 0, 0, 0],
 [1, 1, 0, 0, 0, 0, 0],
 [0, 0, 1, 0, 1, 0, 0],
 [0, 0, 0, 0, 0, 3, 0],
 [1, 0, 0, 0, 0, 0, 1]]
c = [[2, 0, 0, 0, 0, 0, 0, 0, 0],
 [1, 2, 0, 0, 0, 0, 0, 0, 0],
 [1, 0, 0, 2, 0, 0, 0, 0, 0],
 [1, 0, 0, 0, 1, 0, 0, 0, 0],
 [1, 0, 0, 0, 0, 1, 1, 0, 0],
 [0, 0, 3, 0, 0, 0, 0, 0, 0],
 [1, 0, 0, 0, 0, 0, 0, 1, 0]]

data_a = pd.DataFrame(a)
data_a.index = ['0a','0b','0c'] 
data_a.columns = ['1a','1b','1c','1d','1e']

data_b = pd.DataFrame(b)
data_b.index = data_a.columns
data_b.columns = ['2a','2b','2c','2d','2e','2f','2g']

data_c = pd.DataFrame(c)
data_c.index = data_b.columns
data_c.columns = ['3a','3b','3c','3d','3e','3f','3g','3h','3i']

# 提取边列表：格式为 (父节点, 子节点, 权重)
edges = []

# 处理第一层到第二层的连接
for parent in data_a.index:
    for child in data_a.columns:
        weight = data_a.loc[parent, child]
        if weight > 0:
            edges.append( (parent, child, weight) )

# 处理第二层到第三层的连接
for parent in data_b.index:
    for child in data_b.columns:
        weight = data_b.loc[parent, child]
        if weight > 0:
            edges.append( (parent, child, weight) )

# 处理第三层到第四层的连接
for parent in data_c.index:
    for child in data_c.columns:
        weight = data_c.loc[parent, child]
        if weight > 0:
            edges.append( (parent, child, weight) )

步骤2：可视化实现 #

方案1：静态层次树形图（NetworkX + Matplotlib）

适合快速生成静态图，清晰展示层级结构：

import networkx as nx
import matplotlib.pyplot as plt

# 创建无向图（严格树形结构也可用DiGraph）
G = nx.Graph()
# 添加带权重的边
for u, v, w in edges:
    G.add_edge(u, v, weight=w)

# 手动指定节点层级：根据节点名称前缀（0/1/2/3）划分
for node in G.nodes():
    G.nodes[node]['layer'] = int(node[0])

# 使用层次布局
pos = nx.multipartite_layout(G, subset_key='layer')

# 绘制节点
nx.draw_networkx_nodes(G, pos, node_size=1500, node_color='lightblue')
# 绘制边：根据权重调整线宽
edge_width = [G[u][v]['weight']*2 for u,v in G.edges()]
nx.draw_networkx_edges(G, pos, width=edge_width, edge_color='gray')
# 绘制节点标签
nx.draw_networkx_labels(G, pos, font_size=10, font_weight='bold')
# 绘制边权重标签
nx.draw_networkx_edge_labels(G, pos, edge_labels={(u,v):w for u,v,w in edges})

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

方案2：交互式树形图（PyVis）

适合需要交互查看（缩放、拖拽、hover显示信息）的场景：

from pyvis.network import Network

# 创建交互式有向网络对象，启用层次布局
net = Network(directed=True, layout=True, hierarchical=True)
# 设置布局方向为从上到下
net.set_options("""
{
  "layout": {
    "hierarchical": {
      "direction": "UD",
      "sortMethod": "directed"
    }
  }
}
""")

# 添加节点和带权重的边
for u, v, w in edges:
    net.add_node(u, label=u)
    net.add_node(v, label=v)
    net.add_edge(u, v, value=w, title=f"权重: {w}")

# 生成HTML文件，打开即可查看交互式图
net.write_html("tree_visualization.html")

说明 #

• 邻接矩阵中的非0值作为边的权重，可通过边的粗细或标签体现；
• 利用节点名称前缀划分层级，确保树形结构的层级逻辑清晰；
• PyVis生成的HTML支持拖拽节点、缩放视图，适合复杂结构的细节查看。

内容的提问来源于stack exchange，提问作者Himan