Python-iGraph绘制社交网络好友关系图实战指南

Ada

发布时间：2026-10-13 | 4人浏览过

原创

本文详细介绍如何在Windows环境下安装Python-iGraph库，并通过读取粉丝与关注数据文件，利用igraph库绘制特定用户的社交好友关系图。文章涵盖从环境配置到代码实现的全过程，展示如何生成可视化的社交网络结构，为社交数据分析提供直观参考。

前言

近期在工作中，我有需求通过图形化界面展示社交网络中特定用户的好友关联。经过对networkx、graphviz等图形库的调研与对比，最终选定iGraph作为解决方案。接下来将直接切入主题，详细介绍具体实现步骤。

安装igraph

在Windows系统中安装igraph相对复杂。此前尝试通过pip或conda直接安装均告失败，后来发现lfd网站提供的“Python扩展包非官方Windows二进制文件”资源库，其中包含丰富的Python资源、库及工具，是解决该问题的关键。

访问上述网址，搜索python_igraph，并根据Python版本及系统位数（32位或64位）下载对应的whl文件。例如，我下载的文件名为python_igraph‑0.7.1.post6‑cp35‑none‑win_amd64.whl。

使用pip命令安装该whl文件：pip install 文件名.whl

为防止路径错误，打开CMD后需先cd进入存放该whl文件的解压目录，再执行pip安装命令。

绘制好友关系图

准备两个数据文件：fans.txt保存爬取到的粉丝昵称，follow.txt保存爬取到的关注人昵称。

#coding=utf-8
from igraph import *

count_fans=0   #粉丝数
count_following=0  #关注人数 
fans_name=[]   #粉丝昵称
following=[]   #关注人昵称
#打开爬取下的昵称文件
with open('fans.txt','r') as f:  
 lines=f.readlines()
 for line in lines:
  if (line!=None)&(line!='\n'):
   fans_name.append(line)
   # print fans_name
   count_fans+=1
with open('follow.txt','r') as c:
 lines=c.readlines()
 for line in lines:
  if (line!=None)&(line!='\n'):
   following.append(line)
   count_following+=1

g = Graph()   #创建
g.add_vertices(3+count_fans+count_following)
g.add_edges([(0,1),(1,2)])

g.vs[0]["name"]='Ta的粉丝'
g.vs[1]["name"]='目标用户'
g.vs[2]["name"]='Ta的关注'
g.es["trunk"] = [True, True]
g.vs["main_node"]=[1.5,3,1.5]

for i in range(3,count_fans+3):
 g.add_edges((0,i))
 g.es[i-1]["trunk"]=False
for j in range(count_fans+3,3+count_fans+count_following):
 g.add_edges((2,j))
 g.es[j-1]["trunk"]=False

index=3
for fans in fans_name:
 g.vs[index]["name"]=fans
 g.vs[index]["main_node"]=False
 index+=1
for name in following:
 g.vs[index]["name"]=name
 g.vs[index]["main_node"]=False
 index+=1

visual_style = {}
color_dic={1.5:"#cfe6ff",3:"#7299a7",False:"#cfe6ff"}
visual_style["vertex_label_size"]=11
visual_style["vertex_label_dist"]=1
visual_style["vertex_shape"]="circle"
visual_style["vertex_size"] = [7+ 10*int(main_node) for main_node in g.vs["main_node"]]
visual_style["edge_width"] = [1 + 2 * int(trunk) for trunk in g.es["trunk"]]
visual_style["vertex_color"] =[color_dic[main_node] for main_node in g.vs["main_node"]]
visual_style["vertex_label"] = g.vs["name"]
visual_style["bbox"] = (1000, 1000)
visual_style["margin"] = 150
layout = g.layout("grid_fr")
visual_style["layout"] = layout
plot(g, **visual_style)

最终生成的图形结果如下图所示：