用pyecharts画人物关系图？手把手教你用《悲惨世界》数据做个交互式可视化

用《悲惨世界》数据打造交互式人物关系图pyecharts实战指南当维克多·雨果笔下那些鲜活的人物跃然纸上时我们是否想过用数据可视化的方式重新解读这部文学经典《悲惨世界》中错综复杂的人物关系网络正是练习关系图可视化的绝佳素材。不同于冰冷的抽象数据文学作品中的人物互动带着情感温度和叙事逻辑让技术学习过程变得生动有趣。1. 环境准备与数据获取工欲善其事必先利其器。在开始之前我们需要准备好Python环境和必要的数据集。首先通过pip安装pyecharts及其依赖项pip install pyecharts《悲惨世界》的人物关系数据集已成为网络图可视化的经典案例我们直接使用公开的JSON格式数据。该数据集包含77个节点和254条边每个节点代表小说中的一个角色边则表示角色间的互动关系。数据集结构示例{ nodes: [ {id: 0, name: 冉阿让, category: 0}, {id: 1, name: 芳汀, category: 0} ], links: [ {source: 0, target: 1, value: 1} ], categories: [ {name: 主角}, {name: 配角} ] }提示在实际项目中如果处理自己的数据集建议先用pandas进行数据清洗和预处理确保节点和边的格式统一。2. 基础关系图构建让我们从最简单的网络图开始逐步添加交互功能和视觉优化。2.1 加载并解析数据首先读取JSON文件并提取关键元素import json from pyecharts import options as opts from pyecharts.charts import Graph with open(les-miserables.json, r) as f: data json.load(f) # 构建节点列表 nodes [ { name: node[name], symbolSize: node.get(symbolSize, 10), category: node.get(category, -1) } for node in data[nodes] ] # 构建边列表 links [{source: link[source], target: link[target]} for link in data[links]] # 分类信息 categories [{name: cat[name]} for cat in data[categories]]2.2 绘制基础网络图使用pyecharts的Graph类创建第一个可视化graph Graph(init_optsopts.InitOpts(width1000px, height800px)) graph.add( series_name悲惨世界人物关系, nodesnodes, linkslinks, categoriescategories, layoutforce, # 力导向布局 repulsion50, # 节点间斥力 is_roamTrue, # 允许缩放平移 label_optsopts.LabelOpts(is_showFalse) ) graph.set_global_opts(title_optsopts.TitleOpts(title《悲惨世界》基础关系图)) graph.render(basic_graph.html)此时生成的图表已经可以展示基本的人物关系但存在几个明显问题节点大小相同无法区分角色重要性标签显示混乱缺乏分类视觉区分3. 高级可视化定制3.1 节点与边的视觉优化根据角色在小说中的出现频率调整节点大小并为不同类别角色设置不同颜色# 优化后的节点处理 nodes_optimized [] for node in data[nodes]: size node.get(value, 5) * 2 # 根据互动频率计算大小 nodes_optimized.append({ name: node[name], symbolSize: size, category: node[category], itemStyle: { color: #5470c6 if node[category] 0 else #91cc75 } }) # 优化边样式 linestyle_opts opts.LineStyleOpts( width0.5, curve0.3, opacity0.7, colorsource # 边颜色跟随源节点 )3.2 环形布局与分类展示尝试不同的布局方式能带来全新的视角。将布局改为环形circular可以清晰展现人物分类graph.add( series_name悲惨世界人物关系, nodesnodes_optimized, linkslinks, categoriescategories, layoutcircular, # 环形布局 is_rotate_labelTrue, label_optsopts.LabelOpts(positionright), linestyle_optslinestyle_opts )关键参数说明参数类型说明layoutstr布局方式可选force(力导向)/circular(环形)/none(自定义)is_rotate_labelbool是否旋转标签以适应环形布局repulsionint节点间斥力大小值越大节点间距越大edge_symbollist边的箭头样式如[none, arrow]3.3 交互功能增强添加悬停高亮和提示框提升用户体验graph.set_series_opts( focus_node_adjacencyTrue, # 高亮相邻节点 tooltip_optsopts.TooltipOpts( formatter{b}: 关联度{c} if {c} in {b} else {b} ) )4. 分析与解读可视化结果完成的可视化作品不仅是一张漂亮的图表更是理解小说人物关系的分析工具。4.1 核心人物识别通过节点大小和连接密度我们可以快速识别小说的核心人物冉阿让中心度最高的节点与几乎所有主要角色都有联系沙威作为对立面角色连接数仅次于主角珂赛特和马吕斯构成小说的另一条主线4.2 社群结构分析观察图中的聚类现象可以发现小说中的几个主要群体主教与冉阿让故事开端的核心关系芳汀与德纳第夫妇工厂与旅馆场景的人物群ABC之友社学生革命团体提示在学术研究中可以结合NetworkX等库计算具体的网络指标如中心度、聚类系数等。4.3 交互探索技巧充分利用pyecharts的交互功能缩放和平移鼠标滚轮缩放拖拽平移节点高亮悬停查看人物详情和关联图例筛选点击图例隐藏/显示特定类别右键复位双击或右键恢复初始视图5. 项目扩展与进阶应用掌握了基础技巧后我们可以尝试更多创意呈现方式。5.1 时间轴动态展示展现人物关系随时间的变化from pyecharts.charts import Timeline timeline Timeline() for year in [1830, 1832, 1848]: # 小说关键时间点 # 根据时间过滤节点和边 filtered_nodes [n for n in nodes if n[year] year] filtered_links [l for l in links if l[year] year] graph Graph().add( series_namef{year}年关系图, nodesfiltered_nodes, linksfiltered_links, categoriescategories ) timeline.add(graph, time_pointstr(year))5.2 3D关系图使用pyecharts的3D功能创建更立体的展示from pyecharts.charts import GraphGL graph_3d GraphGL() graph_3d.add( series_name3D关系图, nodesnodes, linkslinks, categoriescategories, layoutforce3D, itemstyle_optsopts.ItemStyleOpts(opacity0.8) )5.3 导出与分享将可视化成果应用于不同场景静态图片使用selenium截图保存为PNG网页嵌入直接发布HTML文件PPT展示复制为矢量图或插入网页对象# 保存为图片示例 from pyecharts.render import make_snapshot from snapshot_selenium import snapshot make_snapshot(snapshot, graph.render(), graph.png)在完成这个项目后最让我惊喜的是发现可视化不仅没有削弱文学作品的魅力反而通过新的维度展现了人物关系的复杂与精妙。特别是当把布局从力导向改为环形时原本混乱的节点突然呈现出清晰的层级结构这种发现的过程正是据可视化的乐趣所在。