数学建模——Python的有向图

简介: 数学建模——Python的有向图

021年美赛D题,使用有向图,使用Python进行绘制时,遇到两个好网站

[python] 基于NetworkX实现网络图的绘制

Python Network(二)绘图draw系列draw(),draw_networkx(),draw_networkx_nodes(),draw_networkx_edges()


两个网站需要搭配着看


我依据网站写的代码


## 标签 Labels
# libraries
import pandas as pd
import numpy as np
import networkx as nx
import matplotlib.pyplot as plt
# import xlrd
# worksheet = xlrd.open_workbook("influence_data.xlsx")
# sheet_names= worksheet.sheet_names()
# print(sheet_names)
# for sheet_name in sheet_names:
#     sheet = worksheet.sheet_by_name(sheet_name)
#     rows = sheet.nrows # 获取行数
#     cols = sheet.ncols # 获取列数,尽管没用到
#     all_content = []
#     cols = sheet.col_values(3) # 获取第二列内容, 数据格式为此数据的原有格式(原:字符串,读取:字符串;  原:浮点数, 读取:浮点数)
#     print(cols)
#     print(cols[3])
#     print(type(cols[3]))    #查看数据类型
# Build a dataframe with your connections
# str_1 = ['The Beatles'] * 533
# str_2 = ['The Rolling Stones'] * 295
# str_3 = ['Deep Purple'] * 94
# str_4 = ['Alice in Chains'] * 44
# str_5 = ['Barenaked Ladies'] * 15
str_1 = ['The Beatles'] * 7
str_2 = ['The Rolling Stones'] * 5
str_3 = ['Deep Purple'] * 3 
str_4 = ['Alice in Chains'] *2
str_5 = ['Barenaked Ladies'] * 1
str = str_1 + str_2 +str_3 + str_4 + str_5
print(len(str))
List_1 = ['Carpenters','Chicago','Joe Cocker','Deep Purple','Neil Young','Donovan','Devo'] 
List_2 = ['Neil Young','Terry Reid','Joe Cocker','Blondie','Kaleo'] 
List_3 = ['Budgie','Neil Young','Krokus'] 
List_4 = ['Devo','Kyuss'] 
List_5 = ['Terry Reid'] 
llt_a = List_1 + List_2 + List_3 + List_4 + List_5
print(len(llt_a))
df = pd.DataFrame({ 'from':llt_a, 'to':str})
df
# Build your graph
G=nx.from_pandas_edgelist(df, 'from', 'to',create_using=nx.DiGraph())
# Custom the edges:
# font_size标签字体大小,font_color标签字体颜色,font_weight字体形式
nx.draw(G, with_labels=True, node_size=300, font_size=10, font_color="black", font_weight="bold",pos=nx.circular_layout(G))
plt.show()

0a2653c851af460fa595bd959398a8f1.png

相关文章
|
20天前
|
数据采集 自然语言处理 算法
如何使用Python的Gensim库进行自然语言处理和主题建模?
使用Gensim库进行Python自然语言处理和主题建模,包括:1) 安装Gensim;2) 导入`corpora`, `models`, `nltk`等相关模块;3) 对文本数据进行预处理,如分词和去除停用词;4) 创建字典和语料库;5) 使用LDA算法训练模型;6) 查看每个主题的主要关键词。代码示例展示了从数据预处理到主题提取的完整流程。
36 3
|
2月前
|
数据采集 自然语言处理 算法
如何使用Python的Gensim库进行自然语言处理和主题建模?
使用Gensim库进行自然语言处理和主题建模,首先通过`pip install gensim`安装库,然后导入`corpora`, `models`等模块。对数据进行预处理,包括分词和去除停用词。接着,创建字典和语料库,使用`Dictionary`和`doc2bow`。之后,应用LDA算法训练模型,设置主题数量并创建`LdaModel`。最后,打印每个主题的主要关键词。可以根据需求调整参数和选择不同算法。
32 0
|
18天前
|
机器学习/深度学习 数据挖掘 网络架构
Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
|
4月前
|
机器学习/深度学习 算法 TensorFlow
实战技术:如何使用Python进行机器学习建模
实战技术:如何使用Python进行机器学习建模
50 1
|
2天前
|
机器学习/深度学习 自然语言处理 算法
Gensim详细介绍和使用:一个Python文本建模库
Gensim详细介绍和使用:一个Python文本建模库
11 1
|
5天前
|
数据可视化 Python
python中Copula在多元联合分布建模可视化2实例合集|附数据代码
python中Copula在多元联合分布建模可视化2实例合集|附数据代码
|
19天前
|
自然语言处理 数据可视化 算法
Python主题建模LDA模型、t-SNE 降维聚类、词云可视化文本挖掘新闻组数据集
Python主题建模LDA模型、t-SNE 降维聚类、词云可视化文本挖掘新闻组数据集
|
24天前
|
数据可视化 算法 数据挖掘
Python主题建模LDA模型、t-SNE 降维聚类、词云可视化文本挖掘新闻组数据集2
Python主题建模LDA模型、t-SNE 降维聚类、词云可视化文本挖掘新闻组数据集
|
24天前
|
自然语言处理 数据可视化 算法
Python主题建模LDA模型、t-SNE 降维聚类、词云可视化文本挖掘新闻组数据集1
Python主题建模LDA模型、t-SNE 降维聚类、词云可视化文本挖掘新闻组数据集
|
25天前
|
数据可视化 算法 编译器
python主题LDA建模和t-SNE可视化
python主题LDA建模和t-SNE可视化