import pandas as pd
#導(dǎo)入繪圖模塊
import networkx as nx
import matplotlib.pyplot as plt
# 讀取文件
aa =r'F:\\python入門\\python編程錦囊\\Code（實例源碼及使用說明）\\Code（實例源碼及使用說明）\\Code（實例源碼及使用說明）\\09\\data\\fl4.xls'
df = pd.DataFrame(pd.read_excel(aa))
#去除重復(fù)項，并轉(zhuǎn)換成列表
df1=df['label1'].drop_duplicates().values.tolist()
df2=df[['label1','label2','weight']]
#設(shè)置畫布大小
plt.figure(figsize=(6, 5))
#顏色數(shù)據(jù)
colors = df['color'].drop_duplicates().values.tolist()
#G：圖表，一個networkx圖
G = nx.Graph()
# 添加邊
for i in df2.index:
  G.add_edge(df2.label1[i], df2.label2[i], weight=df2.weight[i])
# 定義兩個邊，并給邊賦予權(quán)重，其中u是起點，v是終點，d是權(quán)重
edge1 = [(u, v) for (u, v, d) in G.edges(data=True) if (d['weight'] >=1)]
edge2 = [(u, v) for (u, v, d) in G.edges(data=True) if (d['weight'] >=15)]
# 圖的布局
# 節(jié)點在一個圓環(huán)上均勻分布
pos = nx.circular_layout(G)
#用Fruchterman-Reingold算法排列節(jié)點
#pos=nx.spring_layout(G)
#節(jié)點隨機(jī)分布
#pos=nx.spring_layout(G)
# 點
#node_size指定節(jié)點的尺寸大小，默認(rèn)值為300
#node_color指定節(jié)點的顏色，默認(rèn)值為紅色
#node_shape節(jié)點的形狀，默認(rèn)值為圓形，用o表示
nx.draw_networkx_nodes(G, pos, alpha=1, node_size=200,node_color=colors,node_shape='o')
#nx.draw_networkx_nodes(G, pos, alpha=1, node_size=300,node_color=colors,node_shape='p')
# 邊
#pos:字典類型，節(jié)點作為鍵、位置作為值。位置是長度為2的序列
#edgelist：邊緣元組的集合，只繪制指定的邊，默認(rèn)值為G.edges()
#width邊的寬度，默認(rèn)值為1.0
#alpha透明度，默認(rèn)值為1.0（不透明），0為完全透明
#edge_color邊的顏色，默認(rèn)值為黑色
#style邊的樣式，默認(rèn)值為實線。
nx.draw_networkx_edges(G, pos, edgelist=edge1,width=1, alpha=0.3, edge_color='g', style='dashed')
nx.draw_networkx_edges(G, pos, edgelist=edge2, width=1.5, alpha=0.5, edge_color='red')
# 標(biāo)簽
#font_size節(jié)點標(biāo)簽字體大小，默認(rèn)值為12
nx.draw_networkx_labels(G, pos, font_size=9)
# 生成結(jié)果
plt.axis('off')
plt.title('《復(fù)仇者聯(lián)盟4》人物關(guān)系圖')
plt.rcParams['font.size'] = 10
plt.rcParams['font.sans-serif']=['SimHei'] #解決中文亂碼
plt.show()

#用Fruchterman-Reingold算法排列節(jié)點
pos=nx.spring_layout(G)
# 點
nx.draw_networkx_nodes(G, pos, alpha=1, node_size=300,node_color=colors,node_shape='p')