可视化 Neo4j 图数据科学 (GDS) 图

%pip install graphdatascience
%pip install matplotlib

设置 GDS 图

import os

from graphdatascience import GraphDataScience

# Get Neo4j DB URI, credentials and name from environment if applicable
NEO4J_URI = os.environ.get("NEO4J_URI", "bolt://localhost:7687")
NEO4J_AUTH = ("neo4j", None)
NEO4J_DB = os.environ.get("NEO4J_DB", "neo4j")
if os.environ.get("NEO4J_USER") and os.environ.get("NEO4J_PASSWORD"):
    NEO4J_AUTH = (
        os.environ.get("NEO4J_USER"),
        os.environ.get("NEO4J_PASSWORD"),
    )
gds = GraphDataScience(NEO4J_URI, auth=NEO4J_AUTH, database=NEO4J_DB)

G = gds.graph.load_cora(graph_name="c2")

# Run some algorithms to use later for visualization
gds.nodeSimilarity.mutate(
    G, mutateRelationshipType="SIMILAR", mutateProperty="similarity"
)
gds.pageRank.mutate(G, mutateProperty="pagerank")
gds.louvain.mutate(G, mutateProperty="componentId")

为了可视化，我们建议将节点数量限制在 10k 以下。创建更小子图的好方法是使用 GDS 图的采样或过滤。

G_sample, _ = gds.graph.sample.rwr("sampled", G)

G_sample.node_properties()

G_sample.relationship_properties()

可视化

from neo4j_viz.gds import from_gds

VG = from_gds(
    gds,
    G_sample,
    size_property="pagerank",
    additional_node_properties=["componentId", "subject"],
)

VG.render()

更改标题

如果想显示节点标签之外的内容，我们也可以更改节点标题。对于此数据集，按科学主题设置标题可能更有意义。

for node in VG.nodes:
    node.caption = str(node.properties["subject"])

VG.render()

着色

图的节点有两种主要的着色方式

• 按离散颜色空间着色，在这种情况下，每个唯一的节点字段或属性将获得一种新颜色

• 按连续颜色空间着色，在这种情况下，节点将根据颜色范围，根据其字段或属性值着色

我们将首先使用默认颜色基于离散节点属性“subject”为节点着色。

VG.color_nodes(property="subject")
VG.render()

现在，让我们使用默认颜色，基于我们上面用 PageRank 计算的连续节点字段“size”进行着色。我们将 override=True 设置为 True 以完全替换之前的着色。注意节点是如何从黄色到紫色着色的，以及这如何也对应于节点的尺寸。

from neo4j_viz.colors import ColorSpace

VG.color_nodes(field="size", color_space=ColorSpace.CONTINUOUS, override=True)
VG.render()

自定义着色

在某些情况下，默认颜色太少。例如，如果您有很多社区，您可能需要更多的颜色。

%pip install matplotlib, palettable

from palettable.colorbrewer.qualitative import Dark2_7
import matplotlib.colors as mcolors

number_of_components = len({n.properties["componentId"] for n in VG.nodes})
print(f"Number of components: {number_of_components}")

linear_color_map = Dark2_7.mpl_colormap.resampled(number_of_components)
colors = [mcolors.rgb2hex(linear_color_map(i)) for i in range(number_of_components)]

VG.color_nodes(property="componentId", colors=colors, override=True)

VG.render()

渲染选项

除了改变节点和关系的显示外观外，我们还可以修改渲染本身。例如，一些可用选项是

• 图布局

• 渲染器

• 缩放级别

• 初始位置

from neo4j_viz import Layout

VG.render(layout=Layout.HIERARCHICAL, initial_zoom=0.1, pan_position=(2000, 0))

保存可视化

from neo4j_viz.options import Renderer

os.makedirs("./out", exist_ok=True)

# Save the visualization to a file
with open("out/cora.html", "w") as f:
    f.write(VG.render(renderer=Renderer.CANVAS).data)

清理

让我们清理我们在 GDS 中创建的图。

G.drop()
G_sample.drop()