生活中有很多需要用到關聯圖的地方，至少我認為的是這樣的圖：https://www.echartsjs.com/examples/zh/editor.html?c=graph-npm

我是在使用Word2Vec計算關聯詞的餘弦距離之後，想要更好的展示出來的時候，遇到的這種情況，就做了下拓展。

畫圖的步驟主要分為：

1. 將距離資料（或者相關資料）讀入；

2. 按照一定的格式和引數將資料儲存為json字串；

3. 根據json串，繪製關聯圖。

具體而言，主要是：

<1>. 首先有一批資料，如圖所示：

<2>. 匯入所需要的包

import json
import pandas as pd

import random
import copy

<3>. 產生顏色隨機值的函式

# 隨機顏色
def randomcolor_func():
  color_char = ['1','2','3','4','5','6','7','8','9','A','B','C','D','E','F']
  color_code = ""
  for i in range(6):
    color_code += color_char[random.randint(0,14)] # randint包括前後節點0和14
  return "#"+color_code

<4>. 生成隨機座標

# 隨機座標
#生成隨機數，浮點型別
def generate_position(n):
#  n = 10
  for i in range(n):
    x = round(random.uniform(-2000,2000),5) #一定範圍內的隨機數，範圍可變
    y = round(random.uniform(-2000,5) #控制隨機數的精度round(數值，精度)
  return x,y

<5>. 生成json格式的節點資料

def create_json(data,weights):
  # 自定義節點
  address_dict = {"nodes":[],"edges":[]}
  node_dict = {
     "color": "","label": "","attributes": {},"y": None,"x": None,"id": "","size": None
    }
  edge_dict = {
     "sourceID": "","targetID": "","size": None
    }
  
  # 給節點賦值
  for ii in range(len(data)):
    for jj in range(len(data.iloc[ii])):
      # node，"attributes"屬性可自行設定
      node_dict[r"color"] = randomcolor_func()
      node_dict[r"label"] = data.iloc[ii,jj]
      x,y = generate_position(1)
      node_dict[r"y"] = y
      node_dict[r"x"] = x
      node_dict[r"id"] = data.iloc[ii,jj]
      node_dict[r"size"] = int(weights.loc[data.iloc[ii,jj]])
      
      tmp_node = copy.deepcopy(node_dict)
      address_dict[r"nodes"].append(tmp_node)
      
  for ii in range(len(data)):
    for jj in range(1,len(data.iloc[ii])):    
      # edge
      edge_dict[r"sourceID"] = data.iloc[ii,0]
      edge_dict[r"targetID"] = data.iloc[ii,jj]
      edge_dict[r"size"] = 2
      
      tmp_edge = copy.deepcopy(edge_dict)
      address_dict["edges"].append(tmp_edge)
  
  return address_dict

<6>. 主函式生成json資料

if __name__ == '__main__': 
  # read data
  data = pd.read_excel(r'test_josn_data.xlsx',0)
  
  weights = pd.DataFrame({"詞頻":[100,40,30,20,90,50,35,14,85,38,29,10]},index = ['球類','籃球','足球','羽毛球','美食','肯德基','火鍋','烤魚','飲料','可樂','紅茶','奶茶']) #建立索引權值列表
  
  address_dict = create_json(data,weights)
  
  with open("write_json.json","w",encoding='utf-8') as f:
    # json.dump(dict_,f) # 寫為一行
    json.dump(address_dict,f,indent=2,ensure_ascii=False) # 寫為多行

最後形成的json資料如下：

<7>. 繪製關聯圖，裡面的檔案讀取和儲存地址自行修改，write_json.json 就是上面儲存的json檔案

import pyecharts.options as opts
from pyecharts.charts import Graph
import json

with open(r"D:\Python_workspace\spyder_space\test_各種功能\write_json.json",encoding='utf-8') as f: #設定以utf-8解碼模式讀取檔案，encoding引數必須設定，否則預設以gbk模式讀取檔案，當檔案中包含中文時，會報錯
  data = json.load(f)
#print(data)

nodes = [
  {
    "x": node["x"],"y": node["y"],"id": node["id"],"name": node["label"],"symbolSize": node["size"],"itemStyle": {"normal": {"color": node["color"]}},}
  for node in data["nodes"]
]

edges = [{"source": edge["sourceID"],"target": edge["targetID"]} for edge in data["edges"]]


(
  Graph(init_opts=opts.InitOpts(width="1600px",height="800px"))
  .add(
    series_name="",nodes=nodes,links=edges,layout="none",is_roam=True,is_focusnode=True,label_opts=opts.LabelOpts(is_show=True),linestyle_opts=opts.LineStyleOpts(width=0.5,curve=0.3,opacity=0.7),)
  .set_global_opts(title_opts=opts.TitleOpts(title="熱詞對應的關聯詞"))
  .render("關聯詞圖.html")
)

最後，就生成了最開始的那張圖。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。