如何将NetworkX构建的2D网络图转换为Python中的交互式3D网络图？

阿华AIGC实验室

2026-4-14

嘿，我来帮你搞定这个问题！把2D网络图转成3D交互式的确实能让复杂的关系更清晰，尤其是节点多的时候。NetworkX本身不直接支持3D渲染，但我们可以结合它的图结构+3D布局算法，再用Plotly这样的可视化库来生成交互式3D图，操作起来超方便～

下面是一套完整的可运行方案，完全沿用你原来的节点颜色逻辑，同时生成可旋转、缩放的交互式3D图：

第一步：准备依赖库

如果还没安装所需的库，先运行这个命令：

pip install networkx pandas plotly matplotlib

第二步：完整实现代码

import pandas as pd
import networkx as nx
import plotly.graph_objects as go
import matplotlib as mpl

# 1. 加载你的网络数据（替换成你本地的links_filtered.csv文件路径）
links_data = pd.read_csv("你的本地links_filtered.csv文件路径")
G = nx.from_pandas_edgelist(links_data, 'var1', 'var2')

# 2. 沿用你原来的节点颜色映射逻辑（按Category给节点分类着色）
cmap = mpl.colormaps['Set3'].colors  # 12种颜色对应11个类别
cat_colors = dict(zip(links_data['Category'].unique(), cmap))
node_colors = (links_data
               .drop_duplicates('var1').set_index('var1')['Category']
               .map(cat_colors)
               .reindex(G.nodes)
)
# 将Matplotlib的RGB颜色转成Plotly兼容的十六进制格式
node_colors_hex = [mpl.colors.to_hex(color) for color in node_colors]

# 3. 计算3D空间的节点布局（用NetworkX的弹簧布局算法，指定3维）
pos = nx.spring_layout(G, dim=3, seed=42)  # seed固定布局，保证每次运行结果一致

# 4. 提取节点的3D坐标数据
node_x = [pos[node][0] for node in G.nodes()]
node_y = [pos[node][1] for node in G.nodes()]
node_z = [pos[node][2] for node in G.nodes()]

# 5. 提取边的3D坐标数据（Plotly需要用None分隔不同的边）
edge_x = []
edge_y = []
edge_z = []
for edge in G.edges():
    x0, y0, z0 = pos[edge[0]]
    x1, y1, z1 = pos[edge[1]]
    edge_x.extend([x0, x1, None])
    edge_y.extend([y0, y1, None])
    edge_z.extend([z0, z1, None])

# 6. 构建交互式3D图
fig = go.Figure()

# 先绘制边（放在节点下方，避免遮挡节点）
fig.add_trace(go.Scatter3d(
    x=edge_x, y=edge_y, z=edge_z,
    mode='lines',
    line=dict(color='black', width=1),
    hoverinfo='none'
))

# 再绘制节点（带标签和分类颜色）
fig.add_trace(go.Scatter3d(
    x=node_x, y=node_y, z=node_z,
    mode='markers+text',
    marker=dict(
        size=5,
        color=node_colors_hex,
        line=dict(color='white', width=0.5)  # 给节点加白色边框，提升辨识度
    ),
    text=[node for node in G.nodes()],
    textposition="top center",
    textfont=dict(size=8),
    hoverinfo='text'  # 鼠标悬停显示节点名称
))

# 调整布局，让交互体验更好
fig.update_layout(
    title='交互式3D网络图',
    showlegend=False,
    scene=dict(
        xaxis=dict(showgrid=False, showticklabels=False, title=''),
        yaxis=dict(showgrid=False, showticklabels=False, title=''),
        zaxis=dict(showgrid=False, showticklabels=False, title=''),
        camera=dict(eye=dict(x=1.5, y=1.5, z=0.8))  # 初始视角参数，可按需调整
    ),
    margin=dict(l=0, r=0, b=0, t=40)
)

# 显示交互式图（会在浏览器或Jupyter Notebook中打开）
fig.show()

关键细节说明：

3D布局算法：用nx.spring_layout(G, dim=3)让NetworkX在3D空间中自动布局节点，尽量减少边的交叉，加seed=42是为了固定布局结果，方便你反复调试。
颜色兼容：把你原来用Matplotlib定义的分类颜色转成Plotly支持的十六进制格式，完美保留你原来的着色逻辑。
交互特性：生成的图支持：
- 鼠标拖拽旋转视角，找到最清晰的观察角度
- 滚轮缩放图的大小
- 鼠标悬停节点时显示节点名称
自定义空间：如果需要调整节点大小、标签字体、初始视角等，直接修改代码里对应的参数就行，比如marker=dict(size=5)改节点大小，textfont=dict(size=8)改标签字体。