Apache ECharts是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而Python是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts诞生了。

弦图也是可视化网络关系常用的一种可视化方法，在pyecharts库中可以通过Graph()可视化弦图（网络图）。下面的程序中使用《三国演义》人物关系网络数据，首先读取数据并进行简单的预处理，读取的数据包含节点数据表格和边连接数据表格，为了使用pyecharts库进数据可视化，需要将边数据中对应的节点名称映射为整数数字，对应的处理方式和输出结果如下：

from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
## 导入需要的库
import numpy as np
import pandas as pd
import os
import json
from pyecharts import options as opts
from pyecharts.charts import Graph

In[1]:## 网络图数据准备，读取节点数据表格和边数据表格
nodedf = pd.read_csv("data/chap5/TK_nodedf.csv")
edgedf = pd.read_csv("data/chap5/TK_edagedf.csv")
print(nodedf.head())
print(edgedf.head())
Out[1]: name group freq size
0 曹操 曹魏 945 14
1 曹洪 曹魏 93 9
2 程普 孙吴 74 9
3 程昱 曹魏 44 8
4 典韦 曹魏 45 8
 from to cor
0 曹操 荀彧 0.431089
1 曹操 荀攸 0.488132
2 荀彧 荀攸 0.366668
3 曹操 张辽 0.442993
4 曹操 徐晃 0.389152
In[2]:## 将边的相关名称映射为数字
usemap=pd.Series(index=nodedf["name"].values,data=nodedf.index).to_dict()
edgedf["from"] = edgedf["from"].map(usemap)
edgedf["to"] = edgedf["to"].map(usemap)
print(edgedf.head())
Out[2]: from to cor
0 0 40 0.431089
1 0 39 0.488132
2 40 39 0.366668
3 0 45 0.442993
4 0 38 0.389152

为了能够使用pyecharts库中的Graph()可视化弦图，需要对数据进行进一步的处理，将节点数据和边连接数据均处理为列表的形式，其中在节点数据中，列表中的每个元素由一个字典构成，其中字典中有该节点的一些基础信息，例如：该数据集处理后的节点数据中，要包含每个节点的以下信息："id"（节点的编号）、"name"（节点的名称）、"symbolSize"（节点可视化时使用的形状大小）、"category"（节点所属的分组）。针对节点间的边连接数据列表，其中的每个元素同样使用字典的形式，并且要包含以下的信息："id"（边的编号）、"source"（边的起点所对应的节点编号，其对应着节点列表中的"id"）、"target"（边的终点所对应的节点编号，其对应着节点列表中的"id"）。针对每个节点的分组，同样定义一个分组列表categories，其中包含4种分组。数据预处理好后，每个列表的前几行输出如下所示：

In[3]:## 生成可视化时需要的节点、边和分组数据
nodes = [{"id":str(ii),
 "name":nodedf.name[ii],
 "symbolSize":str(2*nodedf["size"][ii]),
 "value":str(nodedf.freq[ii]),
  "category":nodedf["group"][ii]} for ii in nodedf.index.values]
print(nodes[0:3])
links = [{"id":str(ii),"source":str(edgedf["from"][ii]),
 "target":str(edgedf.to[ii])} for ii in edgedf.index.values]
print(links[0:3])
categories = [{"name": ii} for ii in np.unique(nodedf.group)]
print(categories[0:5])
Out[3]:[{'id': '0', 'name': '曹操', 'symbolSize': '28', 'value': '945', 'category': '曹魏'}, {'id': '1', 'name': '曹洪', 'symbolSize': '18', 'value': '93', 'category': '曹魏'}, {'id': '2', 'name': '程普', 'symbolSize': '18', 'value': '74', 'category': '孙吴'}]
[{'id': '0', 'source': '0', 'target': '40'}, {'id': '1', 'source': '0', 'target': '39'}, {'id': '2', 'source': '40', 'target': '39'}]
[{'name': '孙吴'}, {'name': '曹魏'}, {'name': '群雄'}, {'name': '蜀汉'}]

可视化需要的数据准备好后，下面的程序则是利用Graph()可视化弦图，并且对图像的可视化效果通过set_global_opts()进行设置，运行程序后可获得如图1所示的可视化图像。该图像是可交互的图像，可以通过交互查看更多的信息。

In[4]:## 可视化人物关系弦图
c = (Graph(init_opts=opts.InitOpts(width="1000px", height="600px"))
 .add("", nodes, links, categories,layout="circular",
 is_rotate_label=True,
 linestyle_opts=opts.LineStyleOpts(curve=0.3,width = 2, 
color="source"),
 label_opts=opts.LabelOpts(position="right"))
 .set_global_opts(title_opts=opts.TitleOpts(
title="《三国演义》人物关系", pos_left="10%"),
 legend_opts=opts.LegendOpts(orient="vertical",
pos_left="10%",pos_top="20%"),
 )
)
c.render_notebook()

图1 可交互人物关系弦图