Question

我正在尝试使用networkx可视化单词之间的相关性（相似性分数最高为1）

例如狗，猫，动物，人，狼之间的相似性得分

我尝试使用此代码绘制每个单词/节点之间的相似距离

import networkx as nx
import matplotlib.pyplot as plt
G=nx.Graph()

corr_data =([['Dog', 'Dog', 1.0],
       ['Cat', 'Dog', 0.8016854524612427],
       ['Wolf', 'Dog', 0.5206573009490967],
       ['Person', 'Dog', 0.3756750822067261],
       ['Animal', 'Dog', 0.6618534326553345],
       ['Cat', 'Cat', 1.0],
       ['Wolf', 'Cat', 0.5081626176834106],
       ['Person', 'Cat', 0.32475101947784424],
       ['Animal', 'Cat', 0.6260400414466858],
       ['Wolf', 'Wolf', 1.0],
       ['Person', 'Wolf', 0.23091702163219452],
       ['Animal', 'Wolf', 0.5261368751525879],
       ['Person', 'Person', 1.0],
       ['Animal', 'Person', 0.34220656752586365],
       ['Animal', 'Animal', 1.0]])

existing_edges = {}

def build_graph(w, lev):
  if (lev > 5)  :
      return
  for z in corr_data:
     ind=-1 
     if z[0] == w:
         ind=0
         ind1=1
     if z[1] == w:
         ind ==1
         ind1 =0

     if ind == 0 or ind == 1:
         if  str(w) + "_" + str(corr_data[ind1]) not in existing_edges :

             G.add_node(str(corr_data[ind]))
             existing_edges[str(w) + "_" + str(corr_data[ind1])] = 1;
             G.add_edge(w,str(corr_data[ind1]))

             build_graph(corr_data[ind1], lev+1)


existing_nodes = {}
def build_graph_for_all():
    count=0
    for d in corr_data:
        if (count > 40) :
            return
        if  d[0] not in existing_edges :
             G.add_node(str(d[0]))
        if  d[1] not in existing_edges :     
             G.add_node(str(d[1]))
        G.add_edge(str(d[0]), str(d[1]))     
        count=count + 1


build_graph_for_all()

print (G.nodes(data=True))
plt.show()
nx.draw(G, width=2, with_labels=True)
plt.savefig("path1.png")


w="design"
G.add_node(w)
build_graph(w, 0)

print (G.nodes(data=True))
plt.show()
nx.draw(G, width=2, with_labels=True)
plt.savefig("path.png")

我的节点之间的距离看起来很远，即猫和人的绘制比猫和狗的绘制更近。我在这里想念一些明显的东西吗？

Answer 1

您需要修复一些问题。最重要的是，you can read up on how networkx draws networks使用弹簧布局。基本上，您需要做的是将相关值添加到网络边缘。

您可以通过以下方式来替换：build_graph_for_all中的G.add_edge行：
```
com.package.BATalgo1
```
您可以使用以下代码绘制网络，该代码应考虑边缘权重。

pos = nx.spring_layout（G，weight ='weight'）

nx.draw（G，pos = pos，width = 2，with_labels = True）
如果您真的想强调高相关边缘和低相关边缘之间的差异，可以按以下方式变换权重：

corr_data = [[x [0]，x 1，1000 **（x 2）]对于corr_data中的x]

这将扩展您的权重-低相关性.3将被映射到大约8，而完美相关性1将被映射到1000。用这些新的权重重新制作图形并重复上面的绘图代码将得出下图：

编辑：这是合并的代码：

G.add_weighted_edges_from([[str(d[0]), str(d[1]),d[2]]])

使用Networkx绘制相似度矩阵

1 个答案: