以官方例子：微博转发关系图为例，说明所需要的数据格式
数据样例
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
|
import json
from pyecharts import options as opts
from pyecharts.charts import Graph
with open("weibo.json", "r", encoding="utf-8") as f:
j = json.load(f)
nodes, links, categories, cont, mid, userl = j
c = (
Graph(init_opts=opts.InitOpts(width="1920px"
,height="1080px"))
.add(
"",
nodes,
links,
categories,
repulsion=900, # 节点之间的斥力因子。值越大则斥力越大
# 支持设置成数组表达斥力的范围，此时不同大小的值会线性映射到不同的斥力。
gravity=0.01, # 节点受到的向中心的引力因子。该值越大节点越往中心点靠拢。
linestyle_opts=opts.LineStyleOpts(curve=0.2),
label_opts=opts.LabelOpts(is_show=False),
)
.set_global_opts(
legend_opts=opts.LegendOpts(is_show=False),
title_opts=opts.TitleOpts(title="Graph-微博转发关系图"),
)
.render("graph_weibo.html")
)
|
weibo.json 文件，可从 这儿 获取
主要由5部分组成
- nodes
- links
- categories
- cont
- mid
- userl
格式说明
本文聚焦在前三个的数据格式说明。每一部分是个list，每个list 又由多个dict组成
以“转发微博”作为场景简单阐述关系图所展示的信息：某位具有影响力的微博用户A 发了条微博，被用户B、C、D看到并转发了；之后，用户E、F、G也转发了B所转发的这篇文章，以此类推
那么，这个过程中涉及到的每个用户便是一个node。为此，也以 nodes作为切入点展开说明
nodes
样例如下所示，
记录着节点的信息，
1
2
3
4
5
6
7
8
9
10
11
12
|
{
"name": "Camel3942", # 节点名称，即博主昵称
"symbolSize": 5, # 图中标志大小
"draggable": "False", # 是否可拖动
"value": 1, # 被再次转发次数
"category": "Camel3942", # From Where
"label": { # 此博主被再次转发后，含有此标签，否则不含
"normal": {
"show": "True"
}
}
}
|
节点名称（name）不能重复
links
个人理解作用是将每个node 连接起来
1
2
3
4
5
6
7
8
|
{
"source": "新浪体育",
"target": "Beijingold4"
},
{
"source": "Camel3942",
"target": "xiaoA"
}
|
categories
而这部分则记录着有被他人转发的用户名称（name），即 links 中 source 所对应的内容
1
2
3
4
5
6
|
{
"name": "新浪体育"
},
{
"name": "Camel3942"
}
|
Reference
胡子叔叔的小站
