如何基于DataFrame中的另一列创建AreaID的network plot？

这个需求其实很典型，核心思路是把同一个project-ID下的所有Area-ID两两配对——毕竟同一个项目里的区域肯定是有关联的，这样就能构建出区域之间的关联边。我常用Python的pandas、networkx和matplotlib来实现这类需求，步骤非常清晰：

步骤1：准备示例数据 #

先把你给出的DataFrame用pandas创建出来：

import pandas as pd

data = {
    'project-ID': [1, 1, 1, 2, 2, 2],
    'Area-ID': [2, 3, 5, 4, 2, 3]
}
df = pd.DataFrame(data)

步骤2：生成Area-ID的关联边 #

我们需要对每个project，提取对应的Area列表，然后生成所有两两组合的边。这里用itertools.combinations生成无重复的配对（比如(2,3)和(3,2)只保留一条，因为是无向关联）：

from itertools import combinations

# 按project分组，生成每个组内Area的两两组合
edges = df.groupby('project-ID')['Area-ID'].apply(
    lambda x: list(combinations(x, 2))
).explode().tolist()

# 如果需要统计边的权重（两个Area共同出现的项目数），可以用Counter
from collections import Counter
edge_weights = Counter(edges)

步骤3：构建网络图并可视化 #

用networkx创建无向图，添加节点和带权重的边，然后画图：

import networkx as nx
import matplotlib.pyplot as plt

# 创建无向图
G = nx.Graph()

# 添加所有Area节点
G.add_nodes_from(df['Area-ID'].unique())

# 添加带权重的边：权重是两个Area共同出现的项目数
for edge, weight in edge_weights.items():
    G.add_edge(edge[0], edge[1], weight=weight)

# 设置画图参数：边的粗细根据权重调整
pos = nx.spring_layout(G, seed=42)  # seed保证布局固定
edge_width = [G[u][v]['weight'] * 2 for u, v in G.edges()]

# 画图
nx.draw_networkx_nodes(G, pos, node_size=1500, node_color='lightblue')
nx.draw_networkx_labels(G, pos, font_size=12, font_weight='bold')
nx.draw_networkx_edges(G, pos, width=edge_width, edge_color='gray')

# 显示边的权重（可选）
edge_labels = nx.get_edge_attributes(G, 'weight')
nx.draw_networkx_edge_labels(G, pos, edge_labels=edge_labels)

plt.title('Area-ID关联网络图（边粗细表示共同项目数）')
plt.axis('off')
plt.show()

效果说明 #

运行这段代码后，你会看到：

• 节点是所有出现过的Area-ID（2、3、4、5）
• 2和3之间的边最粗，因为它们同时出现在project1和project2里（权重2）
• 2和5、3和5只在project1出现（权重1）
• 2和4、3和4只在project2出现（权重1）

这样就完美展示了Area之间的关联强度，同一个项目下的区域都会被连接起来，边的粗细还能体现关联的紧密程度。

内容的提问来源于stack exchange，提问作者robiah