使用Python可视化图结构：从GraphML文件生成节点关系图（lightrag 生成）

引言

在数据可视化领域，图结构（Graph）常用于展示实体间的复杂关系。例如，文学分析中的角色关系、社交网络中的用户互动等。本文将通过一个实际案例，演示如何使用 NetworkX 和 Matplotlib 从 GraphML 文件生成节点关系图，并解决常见问题（如节点标签不显示）。

实现步骤

1. 环境配置

确保已安装以下库：

pip install networkx matplotlib

2. 代码实现

import networkx as nx
import matplotlib.pyplot as plt

# 配置中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 读取文件并转换为 MultiGraph
G = nx.read_graphml("dickens/graph_chunk_entity_relation.graphml")
if not isinstance(G, nx.MultiGraph):
    G = nx.MultiGraph(G)

# 创建新的 Graph 对象 GN，并确保包含所有节点和边
GN = nx.Graph()
GN.add_nodes_from(G.nodes())  # 添加所有节点（包括孤立节点）
for u, v, k in G.edges(keys=True):
    GN.add_edge(u, v)  # 添加所有边

# 生成布局（基于 GN 的结构）
pos = nx.spring_layout(GN)

# 绘制节点和边
nx.draw(
    GN,
    pos,
    with_labels=False,  # 关闭默认标签
    node_color='skyblue',
    node_size=1500,
    font_size=10
)

# 显式添加标签（基于 GN 的节点）
labels = {node: node for node in GN.nodes()}  # 使用 GN 的节点
nx.draw_networkx_labels(GN, pos, labels=labels, font_size=12, font_weight='bold')

# 调整图表样式
plt.title("节点关系图")
plt.axis('off')
plt.show()

代码解析

1. 中文显示配置

plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置黑体显示中文
plt.rcParams['axes.unicode_minus'] = False    # 解决负号显示问题

• 作用：确保中文标签正常显示，避免乱码。

2. 图结构处理

# 读取文件并转换为 MultiGraph
G = nx.read_graphml("dickens/graph_chunk_entity_relation.graphml")
if not isinstance(G, nx.MultiGraph):
    G = nx.MultiGraph(G)

• 关键点：MultiGraph 支持多条边（如多个关系类型），若原图非 MultiGraph，需强制转换。

3. 构建简化图 GN

GN = nx.Graph()
GN.add_nodes_from(G.nodes())  # 添加所有节点（包括孤立节点）
for u, v, k in G.edges(keys=True):
    GN.add_edge(u, v)  # 添加所有边

• 目的：将 MultiGraph 转换为普通 Graph，合并多重边（如仅保留边的存在性，忽略类型）。
• 注意：GN.add_nodes_from(G.nodes()) 确保包含所有节点（包括无边的孤立节点）。

4. 布局与绘制

pos = nx.spring_layout(GN)  # 力导向布局
nx.draw(GN, pos, with_labels=False, ...)
nx.draw_networkx_labels(GN, pos, labels=labels, ...)

• 布局：spring_layout 通过模拟物理力生成节点位置。
• 标签显示：显式调用 nx.draw_networkx_labels 确保所有节点标签可见。

常见问题解答

Q1：节点标签未显示？

• 原因：未显式调用 nx.draw_networkx_labels。
• 解决：

  labels = {node: node for node in GN.nodes()}
  nx.draw_networkx_labels(GN, pos, labels=labels)
  

Q2：中文显示乱码？

• 原因：未配置 matplotlib 字体。
• 解决：添加以下代码：

  plt.rcParams['font.sans-serif'] = ['SimHei']
  plt.rcParams['axes.unicode_minus'] = False
  

Q3：节点重叠或布局混乱？

• 解决：
  1. 调整 node_size 减小节点大小。
  2. 尝试其他布局算法：

     pos = nx.spectral_layout(GN)  # 谱布局
     pos = nx.circular_layout(GN)  # 环形布局
     

Q4：如何高亮特定节点？

• 方法：通过 node_color 参数指定颜色列表：

  node_colors = ['red' if node == '张三' else 'skyblue' for node in GN.nodes()]
  nx.draw(GN, pos, node_color=node_colors)
  

扩展功能建议

1. 添加边类型区分

若需展示边类型（如强关系、弱关系），可结合 edge_color：

edge_colors = []
for u, v, k in G.edges(keys=True):
    if G[u][v][k].get("type") == "weak":
        edge_colors.append('gray')
    else:
        edge_colors.append('black')
nx.draw(GN, pos, edge_color=edge_colors)

2. 交互式可视化

使用 networkx_viewer 实现交互式探索：

pip install networkx_viewer

from nxviz import CircosPlot
import networkx as nx
import networkx_viewer
G.add_node(1)
G.add_node(2)
G.add_edge(1,2)
networkx_viewer.view(G)

总结

本文通过一个实际案例，演示了如何从 GraphML 文件生成节点关系图，并解决了中文显示、标签缺失等常见问题。掌握这些技巧后，你可以轻松将文学分析、社交网络等数据转化为直观的可视化图表。如果需要进一步定制样式或功能，可以参考 NetworkX 官方文档。

希望这篇博客能帮助你快速上手图结构可视化！如果有任何问题或改进建议，欢迎在评论区留言。