我是在使用Word2Vec計算關聯詞的余弦距離之后，想要更好的展示出來的時候，遇到的這種情況，就做了下拓展。

畫圖的步驟主要分為：

1. 將距離數據(或者相關數據)讀入；

2. 按照一定的格式和參數將數據保存為json字符串；

3. 根據json串，繪制關聯圖。

具體而言，主要是：

<1>. 首先有一批數據，如圖所示：

<2>. 導入所需要的包

import json

import pandas as pd

import random

import copy

<3>. 產生顏色隨機值的函數

# 隨機顏色

def randomcolor_func():

color_char = ['1','2','3','4','5','6','7','8','9','A','B','C','D','E','F']

color_code = ""

for i in range(6):

color_code += color_char[random.randint(0,14)] # randint包括前后節點0和14

return "#"+color_code

<4>. 生成隨機坐標

# 隨機坐標

#生成隨機數，浮點類型

def generate_position(n):

# n = 10

for i in range(n):

x = round(random.uniform(-2000, 2000), 5) #一定范圍內的隨機數，范圍可變

y = round(random.uniform(-2000, 2000), 5) #控制隨機數的精度round(數值，精度)

return x, y

<5>. 生成json格式的節點數據

def create_json(data, weights):

# 自定義節點

address_dict = {"nodes":[], "edges":[]}

node_dict = {

"color": "",

"label": "",

"attributes": {},

"y": None,

"x": None,

"id": "",

"size": None

}

edge_dict = {

"sourceID": "",

"attributes": {},

"targetID": "",

"size": None

}

# 給節點賦值

for ii in range(len(data)):

for jj in range(len(data.iloc[ii])):

# node，"attributes"屬性可自行設置

node_dict[r"color"] = randomcolor_func()

node_dict[r"label"] = data.iloc[ii, jj]

x, y = generate_position(1)

node_dict[r"y"] = y

node_dict[r"x"] = x

node_dict[r"id"] = data.iloc[ii, jj]

node_dict[r"size"] = int(weights.loc[data.iloc[ii, jj]])

tmp_node = copy.deepcopy(node_dict)

address_dict[r"nodes"].append(tmp_node)

for ii in range(len(data)):

for jj in range(1, len(data.iloc[ii])):

# edge

edge_dict[r"sourceID"] = data.iloc[ii, 0]

edge_dict[r"targetID"] = data.iloc[ii, jj]

edge_dict[r"size"] = 2

tmp_edge = copy.deepcopy(edge_dict)

address_dict["edges"].append(tmp_edge)

return address_dict

<6>. 主函數生成json數據

if __name__ == '__main__':

# read data

data = pd.read_excel(r'test_josn_data.xlsx', 0)

weights = pd.DataFrame({"詞頻":[100, 40, 30, 20, 90, 50, 35, 14, 85, 38, 29, 10]},

index = ['球類','籃球','足球','羽毛球','美食','肯德基','火鍋','烤魚','飲料','可樂','紅茶','奶茶']) #建立索引權值列表

address_dict = create_json(data, weights)

with open("write_json.json", "w", encoding='utf-8') as f:

# json.dump(dict_, f) # 寫為一行

json.dump(address_dict, f, indent=2, ensure_ascii=False) # 寫為多行

最后形成的json數據如下：

<7>. 繪制關聯圖，里面的文件讀取和保存地址自行修改，write_json.json 就是上面保存的json文件

import pyecharts.options as opts

from pyecharts.charts import Graph

import json

with open(r"D:\Python_workspace\spyder_space\test_各種功能\write_json.json", encoding='utf-8') as f: #設置以utf-8解碼模式讀取文件，encoding參數必須設置，否則默認以gbk模式讀取文件，當文件中包含中文時，會報錯

data = json.load(f)

#print(data)

nodes = [

{

"x": node["x"],

"y": node["y"],

"id": node["id"],

"name": node["label"],

"symbolSize": node["size"],

"itemStyle": {"normal": {"color": node["color"]}},

}

for node in data["nodes"]

]

edges = [{"source": edge["sourceID"], "target": edge["targetID"]} for edge in data["edges"]]

(

Graph(init_opts=opts.InitOpts(width="1600px", height="800px"))

.add(

series_name="",

nodes=nodes,

links=edges,

layout="none",

is_roam=True,

is_focusnode=True,

label_opts=opts.LabelOpts(is_show=True),

linestyle_opts=opts.LineStyleOpts(width=0.5, curve=0.3, opacity=0.7),

)

.set_global_opts(title_opts=opts.TitleOpts(title="熱詞對應的關聯詞"))

.render("關聯詞圖.html")

)

最后，就生成了最開始的那張圖。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持python博客。

總結

以上是生活随笔為你收集整理的python 画系统关联图_Python基于pyecharts实现关联图绘制的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。