Построение терминологических отношений внутри сети
Aug 17 2020
Я пытаюсь представить отношения между числами в столбце A и их соответствующими значениями в B.
A B
Home [Kitchen, Home, Towel]
Donald [US, 02 , Donald, Trump]
Trump [Trump,Family, Cat, Dog]
Dog [Dog,Cat,Paws]
Числа в столбце A и числа в столбце B - это узлы на графике. Я хочу соединить элементы B с A или друг с другом. Например:
- Дом в А связан сам с собой; если я смотрю в столбец B (значение появляется только в первой строке), Дом в B связан с кухней и полотенцем (входящая ссылка);
- Дональд связан с самим собой, поскольку Дональд находится только в B; однако Дональд в B также связан с США, 02 и Трампом (входящая ссылка);
- Трамп имеет исходящую связь с Дональдом и входящие связи (семья, кошка и собака);
- Собака имеет исходящую связь с Трампом и входящие ссылки (Кошка и лапы).
Тогда правило должно быть следующим:
- если слово в A находится в другой строке в B, то создать исходящую ссылку;
- для каждого слова в B создать входящую ссылку на слово в A, если слово в A также включено в B.
Как мне изменить свой код?
file = file.assign(B=file.B.map(list)).explode('B')
G = nx.DiGraph()
nx.add_path(G, file['A'])
nx.add_path(G, file['B'])
nx.draw_networkx(G)
plt.show()
Ответы
2 AzimMazinani Aug 17 2020 at 16:26
Преобразуя вашу таблицу в панд, dataframe
а затем просматривая ее строки, вы можете добавить соответствующие края следующим образом:
import networkx as nx
import pandas as pd
from pyvis.network import Network
df = pd.DataFrame(
[
['Home', ['Kitchen', 'Home', 'Towel']],
['Donald', ['US', '02' , 'Donald', 'Trump']],
['Trump', ['Trump','Family', 'Cat', 'Dog']],
['Dog', ['Dog', 'Cat' , 'Paws']]
],
columns=['A', 'B']
)
G = nx.DiGraph()
for i, j in enumerate(df['A']):
for index, row in df.iterrows():
if i != index:
if j in row['B']:
G.add_edge(row['A'], j)
else:
for n in row['B']:
if j != n:
G.add_edge(j, n)
if G.in_degree(j) == 0:
G.add_edge(j , j)
N = Network(directed=True) # using pyvis to show self loops as well
for n, attrs in G.nodes.data():
N.add_node(n)
for e in G.edges.data():
N.add_edge(e[0], e[1])
N.write_html('graph.html')
Это дало мне следующий график:

Надеюсь, это то, что вы хотели!