pandas 数据框中的边缘列表，以使用 networkx 进行可视化

Question

我在使用 networkx 将数据帧表示为网络时遇到困难。该问题似乎与数据帧的大小有关，或者，为了更好地解释，与数据帧中是否存在重复项有关。

我的数据集是

   Src          Dst
x.serm.cool    [x.serm.cool, x.creat.cool]
x.creat.cool   [x.creat.cool, x.serm.cool]
sms.sol.tr     [sms.sol.tr]
bbb.asl.gt     [bbb.asl.gt,cdc.fre.gh,str.alert.jf]
cdc.fre.gh     [cdc.fre.gh, bbb.asl.gt,str.alert.jf]
str.alert.jf   [str.alert.jf, bbb.asl.gt, cdc.fre.gh]
    ...
x.serm.cool    [x.serm.cool]

其中 Src 的值用作节点，Dst 用作边。这意味着，例如，x.serm.cool 有两个链接，一个与自身（但不需要考虑）和另一个与 x.creat.cool。另一个例子：str.alert.jf 有三个链接：一个是自身（但它没有值）；一个带有 bbb.asl.gt，另一个带有 cdc.fre.gh。所有链接都是无向的。我尝试用不同的颜色表示列表中的一些节点：

df["color"] = "blue"
df.loc[df.Src.isin(["x.serm.cool", "cdc.fre.gh "]), "color"] = "green"
df["Dst"] = df.Dst.apply(lambda x: x[1:-1].split(","))

G = nx.from_pandas_edgelist(df.explode("Dst"), 'Src', 'Dst')
nx.draw(G, node_color = df.color)

但由于 df["Dst"] = df.Dst.apply(lambda x: x[1:-1].split(","))，我收到了错误消息。正如 YOBEN_S 在相关问题中所解释的（请参阅此问题的底部），问题在于考虑列表而不是字符串。但是，当我尝试如下时：

test=["x.serm.cool", "cdc.fre.gh "]
df['color'] = np.where(df.Src.isin(test), "blue", "green")
G = nx.from_pandas_edgelist(df.explode("Dst"), 'Src', 'Dst')
nx.draw(G, node_color = df.color)

我收到这个错误：

ValueError: 'c' argument has 79 elements, which is inconsistent with 'x' and 'y' with size 76.

我的原始数据集长度为 79，而 76 似乎是没有 Src 重复数据集的 length/size。我认为重复项可能很重要，因为它们给出了节点的大小，所以我宁愿不要将它们从我的数据集和网络中删除。

你能帮我解决这个问题吗？

相关问答：

Answer 1

您遇到的问题是因为您数据中的某些项目是重复的。要解决它，你需要在相关地方使用drop_duplicates：

df["color"] = "blue"
df.loc[df.Src.isin(["x.serm.cool", "cdc.fre.gh"]), "color"] = "green"
df["Dst"] = df.Dst.apply(lambda x: x[1:-1].split(","))
df = df.explode("Dst").drop_duplicates()
G = nx.from_pandas_edgelist(df, 'Src', 'Dst')

colors = df[["Src", "color"]].drop_duplicates()["color"]
nx.draw(G, node_color = colors)

输出：

pandas 数据框中的边缘列表，以使用 networkx 进行可视化

Edgelist within pandas dataframe to visualise using networkx

python

networkx

pandas