モチベーション

ネットワークを可視化するためにnetworkxを使っていたのですが、ノード数が多くなるとnetworkxで自動計算されるレイアウトだと見やすさに限界が出ます（ノードが重なり合ってつぶれてしまう）。そこで、networkxで生成したグラフを流用してより柔軟な可視化が可能なCytoscapeを用いた可視化を試してみます。

手順

ゴールは相関係数をもとにした各要素間のネットワークの可視化です。相関係数の計算とnetworkxでの可視化までは以下を参照しています。

networkxで重み付きグラフを描画する方法

改めて手順を確認すると

相関係数行列を作成する

  # generate a sample weight matrix
  n1 = 10
  n2 = 20
  n = n1 + n2
  np.random.seed(12345)
  X  = np.random.randn(n, 20)
  v = 0.6 * X[0]
  X[:n1] += v
  X[n1:] -= v
  W = np.corrcoef(X)

networkxを用いてグラフを作成する

G = nx.Graph()
# Wは相関係数行列
for i, j in zip(*np.triu_indices_from(W, 1)):
  G.add_edge(i, j, weight=W[i,j])

networkxでCytoscapeが対応している形式のjsonを生成する
- 吐き出されるjsonをCytoscapeで読んでも解釈されなかった

（上記の変換がうまくできなかったため）jsonのデータをもとにcsvに変換する

import pandas as pd

# 空のDataFrameを用意する
out = pd.DataFrame()
for e in nx.cytoscape_data(G)["elements"]["edges"]:
    # "edges"の中に含まれるsource, target, weightの情報をDataFrameに追加する
    out = pd.concat(
        [
            out,
            pd.DataFrame(
                {
                    "from": [e["data"]["source"]],
                    "to": [e["data"]["target"]],
                    "weight": [e["data"]["weight"]],
                }
            )
        ]
    )
out.reset_index(inplace=True, drop=True) # indexの振り直し
out.to_csv("network.csv")

Cytoscapeでcsvを読み込む
- networkのペインにcsvをドラッグすればok
- source/destinationのカラムを指定してネットワーク図を生成する
- 緑の○がsource/赤の○はdestination（今回はどっちでもいいはず）
- 初期配置だとこう
- レイアウトを選ぶと整列する（circular layout）
重みによってエッジの色を変更する
- CytoscapeのStyleペインでstroke colorを選択
- weightに対応して色を付けたいので、columnにweightを選択する

1, 2の手順は参照先で説明されているのでコード以外は割愛します

コード全体

import numpy as np
import pandas as pd
import networkx as nx

n1 = 10
n2 = 20
n = n1 + n2
np.random.seed(12345)
X = np.random.randn(n, 20)
v = 0.6 * X[0]
X[:n1] += v
X[n1:] -= v
W = np.corrcoef(X)

G = nx.Graph()

for i, j in zip(*np.triu_indices_from(W, 1)):
    G.add_edge(i, j, weight=W[i, j])
# ここまで流用

# ここからCytoscape用出力
out = pd.DataFrame()
for e in nx.cytoscape_data(G)["elements"]["edges"]:
    out = pd.concat(
         [
            out,
            pd.DataFrame(
                {
                    "from": [e["data"]["source"]],
                    "to": [e["data"]["target"]],
                    "weight": [e["data"]["weight"]],
                }
            )
        ]
     )
out.reset_index(inplace=True, drop=True)
out.to_csv("network.csv")

tips

エッジの足切り

for i, j in zip(*np.triu_indices_from(W, 1)):
    # 相関係数の閾値をもとに足切りできる
    if abs(weight[i, j]) > 0.8:
        G.add_edge(i, j, weight=W[i, j])

おわりに

ノードはnetworkxを用いた場合に比べて個々が目視で分かるようになりました。
一方でエッジが多すぎて埋もれるものも出てしまいました。
理想はweightベースにエッジの長さがコントロールできれば良いのですが、一旦はノードのつぶれを改善できたので良いことにします。