探索Pyecharts关系图绘制技巧：炫酷效果与创意呈现【第42篇—python：Pyecharts关系图】

Pyecharts绘制多种炫酷关系网图

引言

在数据可视化领域，关系网图是一种强大的工具，可以展示实体之间的复杂关系。Pyecharts 是一个基于 Echarts 的 Python 可视化库，提供了简单而强大的接口，使得绘制关系网图变得轻松而愉快。本文将介绍 Pyecharts 绘制多种炫酷关系网图的参数说明，并通过代码实战演示如何创建令人印象深刻的关系网图。

准备工作

在开始之前，确保已经安装了 Pyecharts 和相关的依赖库。可以通过以下命令安装：

pip install pyecharts
1

代码实战

1. 基本关系网图

首先，让我们从一个基本的关系网图开始，展示实体之间的简单连接。

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

# 构造节点和边
nodes = [{"name": "A"}, {"name": "B"}, {"name": "C"}]
links = [{"source": "A", "target": "B"}, {"source": "B", "target": "C"}]

# 创建图表
graph = (
    Graph()
    .add("", nodes, links, repulsion=8000)
    .set_global_opts(title_opts=opts.TitleOpts(title="基本关系网图"))
)

# 保存图表
graph.render("basic_relation_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

2. 自定义节点样式和边样式

为了使关系网图更具吸引力，我们可以自定义节点和边的样式。

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

# 构造节点和边，并为节点指定样式
nodes = [{"name": "A", "symbolSize": 50, "itemStyle": {"color": "red"}}, 
         {"name": "B", "symbolSize": 30, "itemStyle": {"color": "blue"}}, 
         {"name": "C", "symbolSize": 40, "itemStyle": {"color": "green"}}]

# 为边指定样式
links = [{"source": "A", "target": "B", "lineStyle": {"width": 2, "color": "orange"}},
         {"source": "B", "target": "C", "lineStyle": {"width": 3, "color": "purple"}}]

# 创建图表
graph = (
    Graph()
    .add("", nodes, links, repulsion=8000)
    .set_global_opts(title_opts=opts.TitleOpts(title="自定义节点和边样式"))
)

# 保存图表
graph.render("custom_style_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

3. 关系网图的层级结构

有时，我们希望展示关系网图的层级结构，使得图表更加清晰。

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

# 构造节点和边，并为节点指定层级
nodes = [{"name": "A", "symbolSize": 50, "category": 0}, 
         {"name": "B", "symbolSize": 30, "category": 1}, 
         {"name": "C", "symbolSize": 40, "category": 1}]

# 为边指定层级
links = [{"source": "A", "target": "B"}, {"source": "B", "target": "C"}]

# 创建图表
graph = (
    Graph()
    .add("", nodes, links, repulsion=8000, categories=[{"name": "Category 0"}, {"name": "Category 1"}])
    .set_global_opts(title_opts=opts.TitleOpts(title="关系网图的层级结构"))
)

# 保存图表
graph.render("hierarchical_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

4. 添加标签和工具提示

通过添加标签和工具提示，我们可以为关系网图提供更多信息。

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

# 构造节点和边，并为节点添加标签
nodes = [{"name": "A", "symbolSize": 50, "label": {"show": True}}, 
         {"name": "B", "symbolSize": 30, "label": {"show": True}}, 
         {"name": "C", "symbolSize": 40, "label": {"show": True}}]

# 为边添加工具提示
links = [{"source": "A", "target": "B", "tooltip": {"show": True, "formatter": "A与B之间的关系"}}, 
         {"source": "B", "target": "C", "tooltip": {"show": True, "formatter": "B与C之间的关系"}}]

# 创建图表
graph = (
    Graph()
    .add("", nodes, links, repulsion=8000)
    .set_global_opts(title_opts=opts.TitleOpts(title="添加标签和工具提示"))
)

# 保存图表
graph.render("label_tooltip_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

5. 动态关系网图

在某些场景下，我们希望展示关系的动态变化，这时可以使用动态关系网图。

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

# 构造节点和边，并为节点添加时间轴数据
nodes = [{"name": "A"}, {"name": "B"}, {"name": "C"}]
links = [{"source": "A", "target": "B"}, {"source": "B", "target": "C"}]
timeline_data = ["2022-01-01", "2022-02-01", "2022-03-01"]

# 创建动态图表
graph = (
    Graph()
    .add(
        series_name="",
        nodes=nodes,
        links=links,
        repulsion=8000,
        linestyle_opts=opts.LineStyleOpts(width=2),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="动态关系网图"),
        xaxis_opts=opts.AxisOpts(type_="category", boundary_gap=False),
        yaxis_opts=opts.AxisOpts(type_="value"),
        timeline_opts=opts.TimelineOpts(data=timeline_data, is_auto_play=True, is_inverse=True),
    )
)

# 保存图表
graph.render("dynamic_relation_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

6. 高级关系网图 - Les Miserables 示例

以《悲惨世界》（Les Miserables）小说中人物关系为例，展示一个更复杂的关系网图。

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

# 读取Les Miserables数据
with open("les_miserables.json", "r", encoding="utf-8") as f:
    data = f.read()
    nodes, links, categories, _ = eval(data)

# 创建图表
graph = (
    Graph()
    .add(
        series_name="",
        nodes=nodes,
        links=links,
        categories=categories,
        layout="circular",
        repulsion=50,
        is_rotate_label=True,
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Les Miserables 人物关系图"),
        legend_opts=opts.LegendOpts(orient="vertical", pos_left="2%", pos_top="20%"),
    )
)

# 保存图表
graph.render("les_miserables_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

以上代码中，les_miserables.json 包含了《悲惨世界》中人物的关系数据，可以从相关数据集中获取。

7. 自定义关系网图布局

Pyecharts 提供了多种布局算法，可以根据需求选择合适的布局，使关系网图更易于理解。

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

# 构造节点和边
nodes = [{"name": "A"}, {"name": "B"}, {"name": "C"}]
links = [{"source": "A", "target": "B"}, {"source": "B", "target": "C"}]

# 创建图表，指定力导向布局
graph = (
    Graph()
    .add("", nodes, links, layout="force", repulsion=8000)
    .set_global_opts(title_opts=opts.TitleOpts(title="自定义关系网图布局"))
)

# 保存图表
graph.render("custom_layout_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

8. 添加背景图

为关系网图添加背景图可以更好地展示实体之间的关系。

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

# 构造节点和边
nodes = [{"name": "A"}, {"name": "B"}, {"name": "C"}]
links = [{"source": "A", "target": "B"}, {"source": "B", "target": "C"}]

# 创建图表，添加背景图
graph = (
    Graph()
    .add("", nodes, links, repulsion=8000)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="关系网图添加背景图"),
        graphic_opts=[
            opts.GraphicImage(
                graphic_item=opts.GraphicItem(id_="bg", right=0, top=0, z=-1, bounding="raw"),
                graphic_imagestyle_opts=opts.GraphicImageStyle(
                    image="background_image.jpg", width=800, height=600
                ),
            )
        ],
    )
)

# 保存图表
graph.render("background_image_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

9. 3D 关系网图

使用 Pyecharts 的 3D 功能，可以创建具有立体感的关系网图。

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

# 构造节点和边
nodes = [{"name": "A", "symbolSize": 50}, {"name": "B", "symbolSize": 30}, {"name": "C", "symbolSize": 40}]
links = [{"source": "A", "target": "B"}, {"source": "B", "target": "C"}]

# 创建3D关系网图
graph = (
    Graph()
    .add("", nodes, links, repulsion=8000, is_3d=True)
    .set_global_opts(title_opts=opts.TitleOpts(title="3D关系网图"))
)

# 保存图表
graph.render("3d_relation_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

10. 热力关系网图

通过调整边的颜色和宽度，可以呈现关系的热度。

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

# 构造节点和边
nodes = [{"name": "A"}, {"name": "B"}, {"name": "C"}]
links = [{"source": "A", "target": "B", "value": 5}, {"source": "B", "target": "C", "value": 8}]

# 创建热力关系网图
graph = (
    Graph()
    .add("", nodes, links, repulsion=8000, edge_symbol=["circle", "arrow"])
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opts.TitleOpts(title="热力关系网图"))
)

# 保存图表
graph.render("heat_relation_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

11. 细粒度控制节点和边的样式

Pyecharts 提供了细粒度的样式控制，使得我们可以更灵活地调整节点和边的外观。

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

# 构造节点和边
nodes = [
    {"name": "A", "symbolSize": 50, "itemStyle": {"color": "red", "borderColor": "black"}},
    {"name": "B", "symbolSize": 30, "itemStyle": {"color": "blue", "borderColor": "black"}},
    {"name": "C", "symbolSize": 40, "itemStyle": {"color": "green", "borderColor": "black"}},
]
links = [
    {"source": "A", "target": "B", "lineStyle": {"width": 2, "color": "orange"}},
    {"source": "B", "target": "C", "lineStyle": {"width": 3, "color": "purple"}},
]

# 创建图表
graph = (
    Graph()
    .add("", nodes, links, repulsion=8000)
    .set_global_opts(title_opts=opts.TitleOpts(title="细粒度控制节点和边的样式"))
)

# 保存图表
graph.render("fine_grained_style_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

12. 使用 Symbol 图标作为节点

Pyecharts 支持使用各种图标作为节点，提供了丰富的内置图标供选择。

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

# 构造节点和边，使用 Symbol 图标作为节点
nodes = [{"name": "A", "symbol": "circle"}, {"name": "B", "symbol": "rect"}, {"name": "C", "symbol": "triangle"}]
links = [{"source": "A", "target": "B"}, {"source": "B", "target": "C"}]

# 创建图表
graph = (
    Graph()
    .add("", nodes, links, repulsion=8000)
    .set_global_opts(title_opts=opts.TitleOpts(title="使用 Symbol 图标作为节点"))
)

# 保存图表
graph.render("symbol_as_node_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

13. 使用涟漪特效

通过使用涟漪特效，可以使关系网图更加生动有趣。

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

# 构造节点和边，添加涟漪特效
nodes = [{"name": "A"}, {"name": "B"}, {"name": "C"}]
links = [{"source": "A", "target": "B"}, {"source": "B", "target": "C"}]

# 创建图表
graph = (
    Graph()
    .add("", nodes, links, repulsion=8000, is_roam=True, is_focusnode=True)
    .set_global_opts(title_opts=opts.TitleOpts(title="使用涟漪特效"))
)

# 保存图表
graph.render("ripple_effect_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

14. 动态修改关系网图数据

Pyecharts 支持动态修改关系网图的数据，使得图表能够实时更新。

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

# 初始节点和边数据
initial_nodes = [{"name": "A"}, {"name": "B"}, {"name": "C"}]
initial_links = [{"source": "A", "target": "B"}, {"source": "B", "target": "C"}]

# 创建图表
graph = Graph().add("", initial_nodes, initial_links, repulsion=8000)

# 设置全局配置
graph.set_global_opts(title_opts=opts.TitleOpts(title="动态修改关系网图数据"))

# 保存初始状态图表
graph.render("dynamic_data_graph_initial.html")

# 动态修改数据
new_nodes = [{"name": "D"}, {"name": "E"}]
new_links = [{"source": "D", "target": "E"}]

# 更新图表
graph.add("", new_nodes, new_links)
graph.render("dynamic_data_graph_updated.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

15. 使用自定义的关系算法

Pyecharts 允许用户使用自定义的关系算法，以更好地控制节点之间的关系。

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

# 构造节点和边
nodes = [{"name": "A", "symbolSize": 50}, {"name": "B", "symbolSize": 30}, {"name": "C", "symbolSize": 40}]
links = [{"source": "A", "target": "B"}, {"source": "B", "target": "C"}]

# 创建图表，使用自定义的关系算法
graph = (
    Graph()
    .add(
        "",
        nodes,
        links,
        layout="circular",
        repulsion=8000,
        edge_symbol=["circle", "arrow"],
        edge_symbol_size=[4, 10],
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="使用自定义的关系算法"))
)

# 保存图表
graph.render("custom_relation_algorithm_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

16. 使用 MarkLine 增强关系图

在关系图中，有时候我们希望通过 MarkLine 来强调某些特殊的关系，这样可以更加直观地传达信息。

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

# 构造节点和边
nodes = [{"name": "A"}, {"name": "B"}, {"name": "C"}]
links = [{"source": "A", "target": "B"}, {"source": "B", "target": "C"}]

# 创建图表，使用 MarkLine 增强关系图
graph = (
    Graph()
    .add("", nodes, links, repulsion=8000)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="使用 MarkLine 增强关系图"),
        visualmap_opts=opts.VisualMapOpts(pos_left="right", pos_top="center", orient="vertical"),
    )
    .set_series_opts(
        label_opts=opts.LabelOpts(is_show=False),
        linestyle_opts=opts.LineStyleOpts(width=2, opacity=0.6),
    )
    .add(
        series_name="",
        data_pair=links,
        linestyle_opts=opts.LineStyleOpts(width=1, opacity=0.3, curve=0.3, type_="dotted"),
        markline_opts=opts.MarkLineOpts(
            symbol=["none", "none"],
            linestyle_opts=opts.LineStyleOpts(width=2, type_="solid"),
            data=[opts.MarkLineItem(type_="average", name="平均值")],
        ),
    )
)

# 保存图表
graph.render("markline_relation_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

17. 在关系图中添加动态效果

通过设置 is_animation 参数，我们可以为关系图添加动态效果，增强可视化的吸引力。

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

# 构造节点和边
nodes = [{"name": "A"}, {"name": "B"}, {"name": "C"}]
links = [{"source": "A", "target": "B"}, {"source": "B", "target": "C"}]

# 创建图表，添加动态效果
graph = (
    Graph()
    .add("", nodes, links, repulsion=8000, is_animation=True)
    .set_global_opts(title_opts=opts.TitleOpts(title="关系图添加动态效果"))
)

# 保存图表
graph.render("animated_relation_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

18. 关系图的异步加载

对于大规模的关系图，为了提高性能，可以使用异步加载的方式，按需加载数据。

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

# 模拟异步加载数据
def load_data() -> tuple:
    time.sleep(2)  # 模拟加载耗时
    nodes = [{"name": "A"}, {"name": "B"}, {"name": "C"}]
    links = [{"source": "A", "target": "B"}, {"source": "B", "target": "C"}]
    return nodes, links

# 创建图表，异步加载数据
graph = Graph(init_opts=opts.InitOpts(width="100%", height="800px"))

# 通过 add_js_funcs 方法调用异步加载数据的函数
graph.add_js_funcs(load_data)

# 设置全局配置
graph.set_global_opts(title_opts=opts.TitleOpts(title="关系图异步加载"))

# 保存图表
graph.render("async_load_relation_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

19. 自定义关系图背景

通过设置 graphic_opts 参数，我们可以为关系图添加自定义的背景元素，增强图表的美观度。

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

# 构造节点和边
nodes = [{"name": "A"}, {"name": "B"}, {"name": "C"}]
links = [{"source": "A", "target": "B"}, {"source": "B", "target": "C"}]

# 创建图表，添加自定义背景
graph = (
    Graph()
    .add("", nodes, links, repulsion=8000)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="自定义关系图背景"),
        graphic_opts=[
            opts.GraphicRect(
                graphic_item=opts.GraphicItem(0, 0, width="100%", height="100%", transparent=True),
                graphic_shape_opts=opts.GraphicShapeOpts(
                    fill="rgba(0,0,0,0.3)"
                ),
            )
        ],
    )
)

# 保存图表
graph.render("custom_background_relation_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

20. 在关系图中使用 Tooltip

通过添加 Tooltip，我们可以在关系图中展示更详细的信息，提高图表的信息传达能力。

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

# 构造节点和边
nodes = [{"name": "A", "value": 10}, {"name": "B", "value": 20}, {"name": "C", "value": 15}]
links = [{"source": "A", "target": "B"}, {"source": "B", "target": "C"}]

# 创建图表，添加 Tooltip
graph = (
    Graph()
    .add("", nodes, links, repulsion=8000)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="关系图使用 Tooltip"),
        tooltip_opts=opts.TooltipOpts(formatter="{b}:{c}"),
    )
)

# 保存图表
graph.render("tooltip_relation_graph.html")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

通过这些示例，我们进一步了解了 Pyecharts 绘制多种炫酷关系图的技巧和方法。这些功能的灵活运用可以使你更好地定制和呈现关系图，展示出更丰富和有趣的信息。在实际应用中，你可以根据需求灵活运用这些技巧，为关系图增色添彩。

总结

在本篇技术博客中，我们深入学习了使用 Pyecharts 绘制多种炫酷关系图的方法，包括基本关系图、自定义样式、布局控制、动态效果、异步加载、背景定制、MarkLine 增强关系图、Tooltip 使用等多个方面。以下是一些总结和重要的观点：

1. 基本关系图绘制： 我们从最基础的关系图开始，介绍了如何构造节点和边，并使用 Pyecharts 创建简单而直观的关系图。

2. 自定义样式： 通过自定义节点和边的样式，我们可以使关系图更具个性，符合实际应用场景的需求。

3. 布局控制： Pyecharts 提供了多种布局算法，允许用户根据需要选择合适的布局方式，以更好地呈现关系图。

4. 动态效果和异步加载： 通过设置动态效果和异步加载，可以增强关系图的可视化效果，使用户交互更加流畅。

5. 背景定制和图表增强： Pyecharts 提供了灵活的背景定制和图表增强功能，使用户可以更好地美化关系图，突出重点信息。

6. MarkLine 增强关系图： 使用 MarkLine 可以在关系图中强调某些特殊的关系，提高图表的信息传达能力。

7. Tooltip 使用： 添加 Tooltip 可以在关系图中展示更详细的信息，提供更好的用户体验。

通过这些技巧，我们可以创建出各种各样炫酷、直观、有趣的关系图，从而更好地理解和展示复杂的数据关系。同时，Pyecharts 提供了丰富的功能和参数，使得用户在可视化过程中具有更大的灵活性和创造力。希望读者能够根据本文的指导，更好地利用 Pyecharts 创建出令人印象深刻的关系图，为数据可视化工作带来更多的灵感和创新。