Networkx基于DataFrame绘图时未显示全部节点问题咨询

问题背景 #

• 开发基于邮件往来关系的社交网络项目，使用整数类型CSV数据集，其中source列存储发件人个体编号，target列存储收件人个体编号
• 取数据集前400行边数据做绘图测试，已知source列共包含160个不同个体编号，target列共包含260个不同个体编号
• 项目其余算法逻辑运行正常，仅绘图环节出现异常：最终渲染结果仅显示21个节点，大量节点未正常展示
• 问题复现代码如下：

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


df=pd.read_csv('/home/......./social.csv', sep=',',header=None)

df=df.iloc[0:400,:]

df.columns=['source','target']

nodes=np.arange(0,400)
G=nx.from_pandas_edgelist(df, "source", "target")
G.add_nodes_from(nodes)
pos = nx.spectral_layout(G)
coordinates=np.concatenate(list(pos.values())).reshape(-1,2)

nx.draw_networkx_edges(G, pos, edgelist=[e for e in G.edges],alpha=0.9)
nx.draw_networkx_nodes(G, pos, nodelist=nodes)
plt.show()

错误原因与修复方案 #

1. CSV读取逻辑错误 #

代码中读取CSV时传入了header=None参数，之后手动给列赋值命名，如果CSV文件本身第一行就是source,target的表头行，会导致：

• 表头字符串被识别为第一条边数据，后续iloc[0:400,:]实际仅取到399条有效边
• 字符串类型的表头会导致边解析异常，部分合法边无法被正确识别
  修复方式：先执行print(df.head())查看前5行数据，如果第一行是表头，直接用默认参数读取即可：

# 自动识别第一行表头，不需要手动设置columns
df = pd.read_csv('/home/......./social.csv', sep=',')
df = df.iloc[0:400,:]

2. 节点添加逻辑错误 #

手动生成np.arange(0,400)作为节点列表是核心错误：数据中的用户ID并非0-399的连续整数，这会导致两个问题：

• 大量真实存在的邮件往来用户ID不在0-399范围内，根本没有被加入图结构
• 手动加入的0-399节点中绝大多数没有任何连边，属于孤立节点
  而spectral_layout布局算法会将所有孤立节点统一分配到坐标原点位置，大量节点完全重叠，视觉上无法分辨，最终仅能看到21个有真实连边、ID刚好落在0-399区间的节点。
  修复方式：从边数据中提取所有真实存在的用户ID加入图，同时注意邮件往来是有向关系，建议使用有向图构建网络：

# 提取边中出现的所有唯一用户ID
all_nodes = pd.concat([df['source'], df['target']]).unique()
# 构建有向图
G = nx.from_pandas_edgelist(df, "source", "target", create_using=nx.DiGraph)
G.add_nodes_from(all_nodes)

3. 布局算法适配性差 #

spectral_layout基于图拉普拉斯矩阵的谱分解计算坐标，对非连通图、含孤立节点的图适配性极差，节点重叠问题非常严重。
修复方式：换用适配性更强的力导向布局spring_layout，通过参数调整节点间距，避免重叠：

# seed固定随机种子保证复现，k值越大节点间距越大，iterations越大布局越稳定
pos = nx.spring_layout(G, k=0.25, iterations=60, seed=42)

4. 绘图参数优化 #

节点数量较多时，默认的节点尺寸过大也会导致视觉上的遮挡，可适当调小节点尺寸，放大画布优化显示效果：

plt.figure(figsize=(12,12)) # 放大画布尺寸
nx.draw_networkx_edges(G, pos, alpha=0.6, width=0.5)
nx.draw_networkx_nodes(G, pos, node_size=15, alpha=0.8)
plt.axis('off') # 关闭坐标轴
plt.show()

前置校验步骤 #

每次绘图前先执行两行代码做基础校验，避免基础逻辑错误：

# 打印图的节点数、边数，和预期值做比对
print(f"图节点数：{G.number_of_nodes()}，图边数：{G.number_of_edges()}")
# 检查两列数据类型，确保为整数类型
print(df[['source','target']].dtypes)

内容的提问来源于stack exchange，提问作者razimbres