大家好，今天为大家分享一个超实用的 Python 库 - pyvis。
Github地址：https://github.com/WestHealth/pyvis
Python pyvis库是一个专注于网络可视化的强大工具，它基于JavaScript的vis.js库构建，为Python用户提供了创建交互式网络图的简便方法。pyvis特别适用于展示关系数据，如社交网络、组织结构图、知识图谱等。它通过提供Python接口来生成可在网页浏览器中交互操作的HTML网络图，使数据科学家和分析师能够直观地探索和呈现复杂的网络结构。
安装
1、基本安装方法
pyvis的安装非常简单，可以通过pip包管理器完成：
pip install pyvis
2、验证安装
安装完成后，可以通过导入库并检查版本来验证安装是否成功：
import pyvis
print(pyvis.__version__)
如果没有报错并显示版本号，则说明安装成功。
特性
- NetworkX兼容：可以直接将NetworkX图转换为pyvis交互式图
- 高度可定制：可调整节点、边的颜色、大小、标签等视觉属性
- HTML导出：可将可视化结果导出为独立的HTML文件
- Jupyter集成：直接在Jupyter笔记本中显示交互式图形
基本功能
1、创建简单的网络图
pyvis的核心功能是创建网络图并添加节点和边。这个示例展示了如何创建一个基本的网络图，定义节点和它们之间的连接关系。通过简单的API调用，可以快速构建直观的网络图，帮助理解实体之间的关系，如团队成员之间的协作或概念之间的联系。
from pyvis.network import Network
# 创建网络实例
net = Network(height="500px", width="100%", bgcolor="#222222", font_color="white")
# 添加节点
net.add_node(1, label="节点1", title="节点1的详细信息")
net.add_node(2, label="节点2", title="节点2的详细信息")
net.add_node(3, label="节点3", title="节点3的详细信息")
# 添加边
net.add_edge(1, 2, value=5, title="节点1到节点2的关系")
net.add_edge(1, 3, value=3, title="节点1到节点3的关系")
net.add_edge(2, 3, value=1, title="节点2到节点3的关系")
# 显示图形或保存为HTML文件
net.show("basic_network.html")
2、自定义节点和边的样式
pyvis提供了丰富的选项来自定义网络图的外观。下面的示例展示如何更改节点的颜色、大小和形状，以及边的宽度和样式。这种自定义功能使得可以通过视觉编码传达额外信息，例如使用不同颜色区分节点类别，或使用边的宽度表示关系强度。
from pyvis.network import Network
# 创建网络实例
net = Network(height="500px", width="100%")
# 添加自定义节点
net.add_node(1, label="节点1", color="#FF5733", size=20, shape="circle")
net.add_node(2, label="节点2", color="#33FF57", size=30, shape="box")
net.add_node(3, label="节点3", color="#3357FF", size=25, shape="diamond")
# 添加自定义边
net.add_edge(1, 2, width=5, color="#ff0000", dashes=True)
net.add_edge(1, 3, width=3, color="#00ff00", arrows="to")
net.add_edge(2, 3, width=7, color="#0000ff", arrows="from")
# 保存为HTML文件
net.show("styled_network.html")
3、从NetworkX导入图
pyvis与NetworkX库无缝集成，允许用户将现有的NetworkX图转换为交互式pyvis可视化。这使得用户可以利用NetworkX的强大分析功能，使用pyvis进行交互式可视化。这在进行复杂网络分析时特别有用，如社交网络分析或系统依赖关系图。
import networkx as nx
from pyvis.network import Network
# 创建NetworkX图
G = nx.random_geometric_graph(20, 0.3)
# 添加节点属性
for i, node in enumerate(G.nodes()):
G.nodes[node]['title'] = f"节点{node}的详细信息"
G.nodes[node]['size'] = 10 + G.degree(node) * 2
# 转换为pyvis网络
pyvis_net = Network(height="750px", width="100%", bgcolor="#222222", font_color="white")
pyvis_net.from_nx(G)
# 设置物理布局选项
pyvis_net.toggle_physics(True)
pyvis_net.barnes_hut()
# 保存为HTML文件
pyvis_net.show("networkx_converted.html")
高级功能
1、设置物理引擎参数
pyvis使用物理模拟来确定节点布局。以下示例展示如何配置物理引擎参数，以实现不同的网络布局效果。通过调整这些参数，可以优化网络图的可读性，特别是对于大型网络，确保节点分布合理，减少重叠。
from pyvis.network import Network
import random
# 创建网络实例
net = Network(height="600px", width="100%")
# 添加随机节点和边
for i in range(20):
net.add_node(i, label=f"节点{i}")
for _ in range(30):
src = random.randint(0, 19)
dst = random.randint(0, 19)
if src != dst: # 避免自环
net.add_edge(src, dst)
# 配置物理引擎参数
physics_options = {
"physics": {
"barnesHut": {
"gravitationalConstant": -2000,
"centralGravity": 0.1,
"springLength": 150,
"springConstant": 0.05,
"avoidOverlap": 0.5
},
"solver": "barnesHut",
"stabilization": {
"enabled": True,
"iterations": 1000
}
}
}
# 应用物理引擎配置
net.set_options(physics_options)
# 保存为HTML文件
net.show("physics_customized.html")
2、创建分层网络图
pyvis可以创建具有层次结构的网络图，这在展示组织结构、系统架构或依赖关系时非常有用。以下示例展示如何创建分层网络图，使层次关系清晰可见。
from pyvis.network import Network
# 创建网络实例
net = Network(height="700px", width="100%", directed=True)
# 添加根节点和层级节点
net.add_node(0, label="CEO", level=0, color="#FF5733")
# 添加部门节点
departments = ["财务", "技术", "市场"]
for i, dept in enumerate(departments, 1):
net.add_node(i, label=dept, level=1, color="#33FF57")
net.add_edge(0, i)
# 添加团队节点
teams = ["前端", "后端", "DevOps"]
for i, team in enumerate(teams, 4):
net.add_node(i, label=team, level=
2, color="#3357FF")
net.add_edge(2, i) # 连接到技术部门
# 设置分层布局选项
layout_options = {
"layout": {
"hierarchical": {
"enabled": True,
"direction": "UD", # 从上到下
"sortMethod": "directed",
"nodeSpacing": 120,
"levelSeparation": 150
}
}
}
# 应用布局选项
net.set_options(layout_options)
# 保存为HTML文件
net.show("hierarchical_network.html")
实际应用场景
社交网络分析
以下是一个使用pyvis进行社交网络分析的简化示例，展示如何可视化社交关系并突出显示关键节点。这种可视化在研究社交媒体影响力、组织内信息流动或社区结构时非常有用。
import networkx as nx
from pyvis.network import Network
# 创建社交网络模型
G = nx.barabasi_albert_graph(30, 2) # 30个节点，优先连接模型
# 计算度中心性
degree_centrality = nx.degree_centrality(G)
# 准备节点属性
for node in G.nodes():
# 根据中心性设置节点大小
G.nodes[node]['size'] = 10 + degree_centrality[node] * 100
G.nodes[node]['title'] = f"用户{node}\n中心性: {degree_centrality[node]:.3f}"
# 根据中心性设置颜色（红色表示高中心性）
intensity = int(255 * degree_centrality[node] * 3)
intensity = min(255, intensity) # 确保不超过255
G.nodes[node]['color'] = f"rgb({intensity}, {255-intensity}, 0)"
# 转换为pyvis网络
net = Network(height="750px", width="100%", bgcolor="#222222", font_color="white")
net.from_nx(G)
net.toggle_physics(True)
net.force_atlas_2based()
# 保存为HTML文件
net.show("social_network.html")
总结
Python pyvis库是一个功能强大且易于使用的网络可视化工具，为数据科学家和分析师提供了创建交互式网络图的简便方法。它的主要优势在于结合了Python的灵活性和现代网页技术的交互功能，使用户能够以直观的方式探索和呈现复杂的网络数据。pyvis特别适用于社交网络分析、组织结构可视化、系统架构图和知识图谱等应用场景。通过简洁的API和丰富的自定义选项，pyvis使网络可视化变得简单而强大，为数据分析和决策提供了有价值的视觉支持。
