Pyvis 开源项目教程
2026-01-17 09:18:02作者:余洋婵Anita
项目介绍
Pyvis 是一个基于 Python 的库,用于创建和可视化交互式网络图。它构建在 vis.js 这个 JavaScript 可视化库之上。Pyvis 的完整文档可以在 这里 找到。
项目快速启动
安装
你可以通过 pip 安装 Pyvis:
pip install pyvis
或者如果你有一个项目的存档,只需从顶层目录运行以下命令:
python setup.py install
快速示例
以下是一个最基本的 Pyvis 使用示例:
from pyvis.network import Network
# 创建一个网络对象
g = Network()
# 添加节点
g.add_node(0)
g.add_node(1)
# 添加边
g.add_edge(0, 1)
# 显示网络
g.show("basic.html")
应用案例和最佳实践
可视化《权力的游戏》角色网络
以下是一个使用 Pyvis 可视化《权力的游戏》角色网络的示例:
from pyvis.network import Network
import networkx as nx
# 创建一个网络对象
g = Network()
# 从 networkx 加载数据
G = nx.read_gml('game_of_thrones.gml')
# 将 networkx 图添加到 pyvis 网络中
g.from_nx(G)
# 显示网络
g.show("game_of_thrones.html")
使用配置 UI 动态调整网络设置
Pyvis 提供了配置 UI,允许用户动态调整网络设置,例如节点大小、边颜色等。
from pyvis.network import Network
# 创建一个网络对象
g = Network(height='600px', width='100%', notebook=True, heading='Network Configuration UI')
# 添加节点和边
g.add_node(0, label='Node 0')
g.add_node(1, label='Node 1')
g.add_edge(0, 1)
# 显示配置 UI
g.show_buttons(filter_=['nodes', 'edges'])
# 显示网络
g.show("config_ui.html")
典型生态项目
NetworkX
NetworkX 是一个用于创建、操作和研究复杂网络的结构、动态和功能的 Python 库。Pyvis 与 NetworkX 集成良好,可以直接将 NetworkX 图转换为 Pyvis 网络。
Jupyter Notebook
Pyvis 可以在 Jupyter Notebook 中直接使用,提供交互式的网络可视化体验。
from pyvis.network import Network
# 创建一个网络对象
g = Network(notebook=True)
# 添加节点和边
g.add_node(0)
g.add_node(1)
g.add_edge(0, 1)
# 显示网络
g.show("notebook.html")
通过这些示例和最佳实践,你可以开始使用 Pyvis 创建和可视化交互式网络图。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220