如何用NetworkX绘制含三类节点的单幅三分无向图？

嘿，我来帮你搞定这个三分图的绘制！你说的没错，nx.from_pandas_edgelist确实只能直接处理两列节点的边表，但我们完全可以通过把两组边（User-Review和Review-Product）添加到同一个图中的方式，轻松构建出完整的三分图，不用分开画两个图再合并。

下面是具体的步骤和完整代码，我会把每一步的逻辑讲得明明白白：

核心思路 #

1. 分别准备User-Review、Review-Product两组边的数据表
2. 创建一个空的NetworkX图，依次把两组边都添加进去
3. 可视化时给三种类型的节点设置不同样式（颜色、大小等），让图的结构一目了然

完整代码示例 #

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

# ---------------------- 1. 准备你的数据 ----------------------
# 替换成你实际的userId、reviewIds、productIds列表
# 注意：reviewIds要同时对应到用户和产品（每个评论属于一个用户，关联一个产品）
userId = ['user_001', 'user_002', 'user_003', 'user_004']
reviewIds = ['review_101', 'review_102', 'review_103', 'review_104']
productIds = ['prod_A', 'prod_B', 'prod_A', 'prod_C']

# 构建两组边的DataFrame
user_review_edges = pd.DataFrame({'user': userId, 'review': reviewIds})
review_product_edges = pd.DataFrame({'review': reviewIds, 'product': productIds})

# ---------------------- 2. 构建三分图 ----------------------
# 创建空的无向图
G = nx.Graph()

# 添加User-Review的边：用itertuples把每行转成(user, review)的元组
G.add_edges_from(user_review_edges.itertuples(index=False, name=None))
# 添加Review-Product的边：同理转成(review, product)的元组
G.add_edges_from(review_product_edges.itertuples(index=False, name=None))

# ---------------------- 3. 可视化（区分节点类型） ----------------------
# 给不同类型的节点分配颜色
node_colors = []
for node in G.nodes():
    if node in userId:
        node_colors.append('#A0CBE2')  # 用户节点：浅蓝色
    elif node in reviewIds:
        node_colors.append('#FFD700')  # 评论节点：金色
    elif node in productIds:
        node_colors.append('#FF6B6B')  # 产品节点：珊瑚红

# 生成布局：k参数调整节点间距，值越小节点越分散，避免标签重叠
pos = nx.spring_layout(G, k=0.2)

# 绘制图
nx.draw(G, pos,
        node_color=node_colors,
        edge_color='#BB0000',
        width=2,
        with_labels=True,
        font_weight=500,
        font_size=7,
        node_size=1000)  # 节点大小可以根据数据量调整

# 添加图例（可选，让读者快速识别节点类型）
from matplotlib.patches import Patch
legend_elements = [
    Patch(facecolor='#A0CBE2', label='User'),
    Patch(facecolor='#FFD700', label='Review'),
    Patch(facecolor='#FF6B6B', label='Product')
]
plt.legend(handles=legend_elements, loc='upper right', fontsize=8)

# 保存图片（参数和你原来的一致，调整了bbox_inches避免标签被截断）
plt.savefig("tripartite_graph.png", dpi=500, facecolor='w', edgecolor='w',
            orientation='portrait', bbox_inches='tight', pad_inches=0.1)
plt.show()

关键细节说明 #

• 不用纠结nx.from_pandas_edgelist的限制：add_edges_from方法可以直接接收元组列表，我们用itertuples把DataFrame的每行转成边的元组，灵活度拉满。
• 节点样式区分是核心：三分图如果不区分节点类型，看起来会一团乱，除了颜色，你还可以给不同节点设置不同形状（比如产品用方形，用户用圆形）或者大小，进一步强化区分。
• 布局参数按需调整：如果你的节点数量多，试试调大k值（比如0.3）让节点更紧凑；如果标签重叠严重，调小k值让节点分散开。

内容的提问来源于stack exchange，提问作者sandilya M