Apple.Turicreate模块中本来是有可视化.show()模块，但是4.0版本之后移除了。感谢apple工程师耐心+
详细推荐了networkX。于是乎摸索了一下，如何用networkx与Apple.Turicreate互动。

来一个例子开场：

import networkx as nx
%matplotlib inline
from turicreate import SGraph, Vertex, Edge ,SFramedef Networkx2Turi(g,direct = 'directed',weight = False):# 是否有向    if direct == 'directed':draw_g = nx.DiGraph()  elif direct == 'undirected':draw_g = nx.Graph()  elif direct == 'multi.directed':draw_g = nx.MultiDiGraph()elif direct == 'multi.undirected':draw_g = nx.MultiGraph() # 加载数据if weight:edge_list = [tuple(g_list.values()) for g_list in g.edges[['__src_id','__dst_id','weight']]]draw_g.add_weighted_edges_from(edge_list)else:edge_list = [tuple(g_list.values()) for g_list in g.edges[['__src_id','__dst_id']]]draw_g.add_edges_from(edge_list)return draw_g# load data
url = 'https://static.turi.com/datasets/bond/bond_vertices.csv'
vertex_data = SFrame.read_csv(url)
url = 'https://static.turi.com/datasets/bond/bond_edges.csv'
edge_data = SFrame.read_csv(url)
csg = SGraph(vertices=SFrame(vertex_data), edges=edge_data, vid_field='name',src_field='src', dst_field='dst')
csg.edges['weight'] = range(len(csg.edges))# draw directed graph
draw_g = Networkx2Turi(csg,direct = 'directed',weight = True)
nx.draw(draw_g, node_color='y', with_labels=True, node_size=500)

一、函数Networkx2Turi()

自己简单写了一个划算适用的小函数：

Networkx2Turi(g,direct = 'directed',weight = False)

其中g就是apple.turicreate的一个graph内容；
direct是选择画图的模式，有向（directed）与无向（undirected），还有一个multi模式下的有向与无向（具体可见地址）
weight
代表是否需要加权，如果选择加权模式，需要在SGraph（）.edges中加入权重列。也就是这句：csg.edges['weight'] = range(len(csg.edges))

二、函数nx.draw()

这个函数是networkx中的，主函数：

nx.draw(draw_g, pos,node_color='y', with_labels=True, node_size=500)

draw_g，代表networkx中的graph格式，并不能直接用turicreate的graph。Networkx2Turi()就是这么生成的。
pos代表每个点的位置，一般来说很难定义这个坐标。
node_color每个点的颜色，此时的y代表黄色；
with_labels每个顶点是否带文字内容；
node_size每个点的大小。

三、更好地绘图

我们想根据每个点的重要性来判定顶点的大小与颜色，来看一下apple.turicreate中如何获得顶点的度：

# 如何要绘制不同点的颜色
# node_color=range(len(csg.vertices))
def increment_degree(src, edge, dst):src['degree'] += 1dst['degree'] += 1return (src, edge, dst)
csg.vertices['degree'] = 0csg = csg.triple_apply(increment_degree, mutated_fields=['degree'])
csg.vertices

来看看根据每个顶点的degree来调整颜色以及大小。

调整颜色的案例：

node_color=[float(v) for v in csg.vertices['degree']]
nx.draw(draw_g, node_color=node_color, with_labels=True, node_size=500)

调整顶点大小的案例：

# 调整每个的大小
node_size= [i * 150 for i in range(len(csg.vertices)) ]
nx.draw(draw_g, node_color=node_color, with_labels=True, node_size=node_size)

顶点是否带标签信息（with_labels=False）：

.

四、Networkx中几款图

这两款特别好看，笔者摘录。可看官网：
https://networkx.github.io/documentation/networkx-1.10/examples/drawing/index.html

4.1 Knuth Miles

import networkx as nxdef miles_graph():""" Return the cites example graph in miles_dat.txtfrom the Stanford GraphBase."""# open file miles_dat.txt.gz (or miles_dat.txt)import gzipfh = gzip.open('knuth_miles.txt.gz','r')G=nx.Graph()G.position={}G.population={}cities=[]for line in fh.readlines():line = line.decode()if line.startswith("*"): # skip commentscontinuenumfind=re.compile("^\d+")if numfind.match(line): # this line is distancesdist=line.split()for d in dist:G.add_edge(city,cities[i],weight=int(d))i=i+1else: # this line is a city, position, populationi=1(city,coordpop)=line.split("[")cities.insert(0,city)(coord,pop)=coordpop.split("]")(y,x)=coord.split(",")G.add_node(city)# assign position - flip x axis for matplotlib, shift originG.position[city]=(-int(x)+7500,int(y)-3000)G.population[city]=float(pop)/1000.0return Gif __name__ == '__main__':import networkx as nximport reimport sysG=miles_graph()print("Loaded miles_dat.txt containing 128 cities.")print("digraph has %d nodes with %d edges"\%(nx.number_of_nodes(G),nx.number_of_edges(G)))# make new graph of cites, edge if less then 300 miles between themH=nx.Graph()for v in G:H.add_node(v)for (u,v,d) in G.edges(data=True):if d['weight'] < 300:H.add_edge(u,v)# draw with matplotlib/pylabtry:import matplotlib.pyplot as pltplt.figure(figsize=(8,8))# with nodes colored by degree sized by populationnode_color=[float(H.degree(v)) for v in H]nx.draw(H,G.position,node_size=[G.population[v] for v in H],node_color=node_color,with_labels=False)# scale the axes equallyplt.xlim(-5000,500)plt.ylim(-2000,3500)plt.savefig("knuth_miles.png")except:pass

4.2 Random Geometric Graph

import networkx as nx
import matplotlib.pyplot as pltG=nx.random_geometric_graph(200,0.125)
# position is stored as node attribute data for random_geometric_graph
pos=nx.get_node_attributes(G,'pos')# find node near center (0.5,0.5)
dmin=1
ncenter=0
for n in pos:x,y=pos[n]d=(x-0.5)**2+(y-0.5)**2if d<dmin:ncenter=ndmin=d# color by path length from node near center
p=nx.single_source_shortest_path_length(G,ncenter)
# 主函数
plt.figure(figsize=(8,8))
nx.draw_networkx_edges(G,pos,nodelist=[ncenter],alpha=0.4)
nx.draw_networkx_nodes(G,pos,nodelist=p.keys(),node_size=80,node_color=p.values(),cmap=plt.cm.Reds_r)# 去除背景颜色
#plt.xlim(-0.05,1.05)
#plt.ylim(-0.05,1.05)
#plt.axis('off')
#plt.savefig('random_geometric_graph.png')
#plt.show()

公众号“素质云笔记”定期更新博客内容：

关系图︱python 关系网络的可视化NetworkX(与Apple.Turicreate深度契合)相关推荐

python绘制社会关系网络图_文本分析之制作网络关系图——Python
今天给大家带来我一个脚本,用来分析社会网络关系. 这个图我没有用到gephi或者其他的工具,是我用python纯脚本运行出来的.简单的实现了封装,大家有兴趣可以下载下脚本,运行下. 原理知识我就简单 ...
实体-关系图转换为关系模型
1．逻辑设计概述概念结构是独立于任何一种数据模型的,在实际应用中,一般所用的数据库环境已经给定(如SQL Server或Oracel或MySql),本文讨论从概念结构向逻辑结构的转换问题. ...
离散数学【关系】习题解析序偶，直积，关系图，关系矩阵，哈斯图
下面是习题与解析文章目录第一题序偶与类型第二题关系图,矩阵与类型第三题关系图,矩阵与类型第四题复合关系第五题求t( R) 第六题求表达式第七题求关系图等价类第八题写出序偶 ...
python词汇网络分析_文本分析之制作网络关系图——Python
今天给大年夜家带来我一个脚本,用来分析社会收集关系. 这个图我没有效到gephi或者其他的对象,是我用python纯脚本运行出来的.简单的实现了封装,大年夜家有兴趣可以下载下脚本,运行下. 1.建好小 ...
python networkx模块,python复杂网络处理模块networkx
最近开始认真的学习发现一个 python 好玩的模块以下内容为网上的文章整合 networkx在02年5月产生,是用python语言编写的软件包,便于用户对复杂网络进行创建.操作和学习.利用netw ...
python复杂网络点图可视化_Python学习工具：9个用来爬取网络站点的 Python 库
Python学习工具 :总结了9个用来爬取网络站点的Python 库,有你在用的吗? Scrapy 一个开源和协作框架,用于从网站中提取所需的数据. 以快速,简单,可扩展的方式. cola 一个分布式 ...
python复杂网络点图可视化_数据分析：R与Python怎么选？
作者介绍知春里@伟仔不知名数据科学家. 持续写<数据分析>和<数据产品>的系列文章,欢迎关注. 01 选R还是Python? "球鞋是买阿迪还是买耐克?" ...
python画仿真图-Python数据分析：绘图可视化之matplotlib入门
前言本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理以下文章来源于码客趣分享,作者码客趣分享 matplotlib的通常引入约定 ...
ER图实体关系图弱关系弱实体概化全部概化外键
pos文件提取码:timw 链接: 提取码:timw –来自百度网盘超级会员V4的分享

关系图︱python 关系网络的可视化NetworkX(与Apple.Turicreate深度契合)