如何用Python和NetworkX绘制学生和教师关系图

在这篇文章中，我将介绍如何用 Python 和 NetworkX 库来绘制一个学生和教师之间的关系图，以及如何查询两个节点之间的关系路径。这个关系图可以很好的帮助我们了解学生和教师之间的联系，以及他们所参与的课程和活动。

准备工作

首先，我们需要安装 Python 和 NetworkX 库。Python 是一种广泛使用的编程语言，它有很多强大的功能和丰富的库。NetworkX 是一个用于创建、操作和分析复杂网络的 Python 库，它提供了很多方便的函数和算法。我们可以用 pip 命令来安装这两个库：

pip install python
pip install networkx

然后，我们需要导入 NetworkX 库和 matplotlib.pyplot 模块。matplotlib.pyplot 是一个用于绘制图形的模块，它可以与 NetworkX 配合使用，让我们可以可视化网络结构。我们可以用 import 语句来导入这两个模块：

import networkx as nx
import matplotlib.pyplot as plt

创建图

接下来，我们需要创建一个有向图对象，并向其中添加节点和边。有向图是一种网络结构，它由节点（也叫顶点）和边（也叫弧）组成，每条边都有一个方向，表示从一个节点指向另一个节点。我们可以用 nx.DiGraph() 函数来创建一个空的有向图对象，并赋值给变量 G：

G = nx.DiGraph()

然后，我们需要定义节点和边的数据。在这个例子中，我们假设有三个学生（张三、李四、王五），三个教师（周老师、梁老师、凌老师），以及他们所参与的课程和活动（AI 实训中心、鑫华楼 207、明华楼 345、智慧技术概论、数据结构、自然语言处理、周二、周三、周四）。我们可以用列表来存储这些数据，并赋值给变量 nodes 和edges：

# 定义节点
nodes = [" 张三 ", " 李四 ", " 周老师 ", " 梁老师 ", "AI 实训中心 ", " 鑫华楼 207",
         " 智慧技术概论 ", " 数据结构 ", " 周三 ", " 周二 ", " 王五 ", " 凌老师 ", " 周四 "]

# 定义边
edges = [(" 张三 ", " 周老师 "),
    (" 李四 ", " 周老师 "),
    (" 王五 ", " 凌老师 "),
    (" 王五 ", " 周老师 "),
    (" 张三 ", " 凌老师 "),
    (" 李四 ", " 凌老师 "),
    (" 周三 ", "AI 实训中心 "),
    (" 周四 ", " 明华楼 345"),
    ("AI 实训中心 ", " 智慧技术概论 "),
    (" 明华楼 345", " 自然语言处理 "),
    (" 李四 ", " 梁老师 "),
    (" 张三 ", " 梁老师 "),
    (" 周二 ", " 鑫华楼 207"),
    (" 鑫华楼 207", " 数据结构 "),
    (" 周老师 ", " 周三 "),
    (" 梁老师 ", " 周二 "),
    (" 凌老师 ", " 周四 "),
]

# 定义节点位置
pos = {" 张三 ": (0, 1),
    " 李四 ": (0, 0),
    " 王五 ": (0, -1),
    " 周老师 ": (2, 0),
    " 梁老师 ": (2, 2),
    " 凌老师 ": (2, -2),
    "AI 实训中心 ": (4, 0),
    " 鑫华楼 207": (4, 2),
    " 明华楼 345": (4, -2),
    " 智慧技术概论 ": (6, 0),
    " 数据结构 ": (6, 2),
    " 自然语言处理 ": (6, -2),
    " 周四 ": (3, -2),
    " 周三 ": (3, 0),
    " 周二 ": (3, 2),
}

接着，我们需要将节点和边添加到图中。我们可以用 G.add_nodes_from() 函数来添加节点列表，用 G.add_edges_from() 函数来添加边列表：

# 将节点添加到图中
G.add_nodes_from(nodes)

# 将边添加到图中
G.add_edges_from(edges)

绘制图

最后，我们需要绘制图，并显示节点和边的标签。我们可以用 plt.figure() 函数来创建一个图形对象，并指定大小。然后，我们可以用 plt.rcParams[] 字典来设置字体，以便显示中文。再用 nx.draw_networkx_nodes() 函数来绘制节点，并指定颜色和大小。用 nx.draw_networkx_edges() 函数来绘制边，并指定颜色、宽度和透明度。最后用 nx.draw_networkx_labels() 函数来绘制节点标签，并添加偏移以避免重叠。当然，我们也可以用 plt.title() 函数来添加标题，用 plt.axis() 函数来关闭坐标轴。代码如下：

plt.figure(figsize=(12, 8))
plt.rcParams['font.sans-serif'] = ['simHei']

# 绘制节点，指定颜色和大小
nx.draw_networkx_nodes(G, pos, node_color='lightblue', node_size=500)

# 绘制边
nx.draw_networkx_edges(G, pos, edge_color='gray', width=1.0, alpha=0.7)

# 绘制节点标签，并添加偏移以避免重叠
node_labels = {node: node for node in G.nodes()}
node_label_pos = {k: (v[0], v[1] + 0.1)
                  for k, v in pos.items()}  # 在 y 轴上添加 0.1 的偏移
nx.draw_networkx_labels(G, node_label_pos, labels=node_labels, font_size=12)

# 自定义图的外观
plt.title('学生和教师关系图')
plt.axis('off')

查询关系

除了绘制图之外，我们还可以用 NetworkX 库提供的一些函数和算法来查询两个节点之间的关系路径。例如，我们可以用 nx.all_simple_paths() 函数来找出从一个节点到另一个节点的所有简单路径（不重复经过任何节点的路径）。我们可以将这个函数封装在一个自定义的函数中，命名为 find_relationship()，并接受两个参数：node1 和node2，分别表示起点和终点。在这个函数中，我们首先用 list() 函数将 nx.all_simple_paths() 函数的返回值转换为一个列表，并赋值给变量 paths。然后，我们判断paths 是否为空，如果不为空，则表示存在关系路径，我们就打印出每条路径，并在图上显示查询结果；如果为空，则表示不存在关系路径，我们就打印出提示信息，并在图上显示查询结果。代码如下：

# 查找两个节点之间的关系
def find_relationship(node1, node2):
    paths = list(nx.all_simple_paths(G, source=node1, target=node2))
    if paths:
        print(f" 从 {node1} 到 {node2} 的关系路径:")
        for path in paths:
            print(" -> ".join(path))
        # 在图上显示查询结果
        result_text = f" 从 {node1} 到 {node2} 的关系路径:\n"
        result_text += "\n".join([" -> ".join(path) for path in paths])
        plt.annotate(result_text, xy=(0, 0), xycoords='axes fraction', fontsize=12,
                     bbox=dict(boxstyle="round,pad=0.5", edgecolor="blue", facecolor="lightyellow"))
    else:
        result_text = f"{node1} 和 {node2} 之间不存在关系。"
        plt.annotate(result_text, xy=(0, 0), xycoords='axes fraction', fontsize=12,
                     bbox=dict(boxstyle="round,pad=0.5", edgecolor="blue", facecolor="lightyellow"))
        print(result_text)

示例查询

为了演示这个函数的效果，我们可以用一个示例查询来调用它。例如，我们可以查询王五和自然语言处理之间的关系路径：

# 示例查询
find_relationship(" 王五 ", " 自然语言处理 ")

运行这段代码后，我们可以看到输出结果如下：

从 王五到 自然语言处理 的关系路径:
王五 -> 凌老师 -> 周四 -> 明华楼 345 -> 自然语言处理

我们还可以使用 plt.show() 看到图上显示了查询结果：

plt.show()

如下图所示：

总结

通过这篇文章，我们学习了如何用 Python 和NetworkX库来绘制一个学生和教师之间的关系图，以及如何查询两个节点之间的关系路径。这个关系图可以帮助我们了解学生和教师之间的联系，以及他们所参与的课程和活动。我们还可以用 NetworkX 库提供的一些函数和算法来分析网络结构的特征，例如度数、聚类系数、最短路径、连通性等。如果你对这些内容感兴趣，可以参考 NetworkX 官方文档 和NetworkX 教程 来进一步学习。