使用 networkx 库创建级别图的函数

如何解决使用 networkx 库创建级别图的函数

我想创建一个函数，根据我提到的使用 networkx 库创建图形的级别，它会在其中循环两次或三次。

如果一个人知道 Python 技能，那么他也知道 AWS 和 Hadoop [级别 1]

然后我想搜索与 AWS 和 Hadoop 相关的技能 [level 2]。

请帮我创建一个带有异常处理的函数，其中可能相关技能在数据中没有其相关技能。

这是我为级别 1 创建的标准函数。

def network(pair,skill):
  skil=[]
  related_skil=[]
  for line in pair[:306444]:
    s,r = line[0],line[1]
    #print(s)
    if (s == skill):
      skil.append(s)
      related_skil.append(r)
      
  skill=pd.DataFrame(columns=["skills"],data=skil)
  relat_skil=pd.DataFrame(columns=["related_skills"],data=related_skil)

  df=pd.concat([skill,relat_skil],axis=1)
  
  G=nx.Graph()
  G=nx.from_pandas_edgelist(df,'skills','related_skills')

  figure(figsize=(12,10))
  a = nx.draw(G,node_color='red',with_labels=True)

  return a

network(pair=pairs,skill='Python')

其中pair 是技能和相关技能的列表zip 文件pairs=list(zip(skill,related Skill))

解决方法

networkx 库可能包含解决问题所需的一切

给定技能 A，技能 B 是相关技能吗？

我们假设相关技能是定向的（知道 Python 可能导致了解 AWS，但反之则不然）。为此，我们将使用有向图模型。

我们还可以使用最短路径长度来建模相关性级别和使用它来为输出图着色和分层。

在下面的程序中，删除了无关的技能以简化图：Prolog 与 Python 无关（箭头方向错误）， C 和嵌入式系统未连接到 Python 技能图。

import itertools
import matplotlib.pyplot as plt
import networkx as nx

def skill_rel(skill,rel_skill):
    if skill not in G:
        print(f"{skill} skill no longer in graph")
        return
    if rel_skill not in G:
        print(f"{rel_skill} skill no longer in graph")
        return
    related = nx.has_path(G,skill,rel_skill)
    print(f"{skill} skill and relation to {rel_skill}",related,end=' ')
    if related:
        print('level',nx.shortest_path_length(G,rel_skill))

def level_rel(skill,rel_skill):
    related = nx.has_path(G,rel_skill)
    if related:
        return nx.shortest_path_length(G,rel_skill)
    else:
        return 999

pairs = [('Python','AWS'),('Python','Machine Learning'),'Big Data'),('AWS','Hadoop'),('C','Embedded Systems'),('Prolog','Artificial Intelligence'),('Machine Learning','Deep Learning'),'Artificial Intelligence')]
skill = 'Python'
G = nx.DiGraph()
G.add_edges_from(pairs)
# Remove unrelated skills (>= level 5)
unrelatedness = 5
unrelated = [node for node in G if level_rel(skill,node) >= unrelatedness]
G.remove_nodes_from(unrelated)
# Group/color nodes based on relatedness to use shell graph drawing
nlevel = [(node,level_rel(skill,node)) for node in G]
g1 = itertools.groupby(sorted(nlevel,key=lambda x: x[1]),key=lambda x: x[1])
shells = tuple(tuple(x[0] for x in g) for _,g in g1)
pos = nx.shell_layout(G,nlist=shells)
colors = [lvl[1] for lvl in nlevel]
nx.draw_networkx(G,pos,node_color=colors,with_labels=True)
plt.show()
skill_rel(skill,'Hadoop')
skill_rel('Prolog','Hadoop')
print('Level 2 related skills from',shells[2])

带有颜色级别的输出图：

输出：

# Python skill and relation to Hadoop True level 2
# Prolog skill no longer in graph
# Level 2 related skills from Python
# ('Hadoop','Artificial Intelligence','Deep Learning')