在網路分析的實務應用中，僅表示節點間是否存在連結往往不足以描繪真實世界的複雜系統。許多商業情境，例如供應鏈的物料流向、組織內的資訊傳遞或金融市場的資金轉移，其連結不僅具有方向性，更帶有不同的強度或成本。因此，掌握如何將有向性（Directionality）與權重（Weight）等屬性整合至網路模型，成為分析工作的關鍵一步。邊界列表作為一種直觀且易於擴展的資料格式，為建構此類複雜網路提供了高效的基礎。本文將從技術層面深入探討如何利用 NetworkX 函式庫，精準讀取並處理包含方向、權重甚至多重自定義屬性的邊界列表檔案，為後續的深入分析與模型建構奠定穩固的資料基礎。
處理有向與加權邊界的邊界列表檔案
在上一節中，我們介紹了邊界列表（Edge List）格式及其讀取無向網路的基本方法。本節將進一步探討如何使用邊界列表格式來表示有向網路，以及如何處理帶有權重的邊界。
讀取有向網路的邊界列表
邊界列表格式不僅適用於無向網路，也能夠輕鬆地表示有向網路。當我們需要創建一個有向圖 (DiGraph) 時，只需在 nx.read_edgelist() 函數中指定 create_using=nx.DiGraph 參數即可。
- 解析規則：在有向網路的邊界列表中，每行的第一個節點 ID 會被解釋為來源節點（Source），而第二個節點 ID 則被解釋為目標節點（Target）。
範例：讀取有向網路
假設我們使用與之前相同的 example.edgelist 檔案，但這次我們希望將其解析為一個有向圖：
from pathlib import Path
import networkx as nx
import matplotlib.pyplot as plt
data_dir = Path('.') / 'data' # 假設 'data' 目錄存在於當前路徑下
# 讀取邊界列表檔案，並指定創建為 DiGraph
try:
G_directed_subway = nx.read_edgelist(
data_dir / 'example.edgelist',
create_using=nx.DiGraph # 指定創建為有向圖
)
# 繪製有向網路圖
pos = nx.spring_layout(G_directed_subway) # 計算節點佈局
nx.draw_networkx(G_directed_subway, pos, with_labels=True, node_color='lightcoral', edge_color='gray', arrowsize=20)
plt.gca().margins(0.15, 0.15) # 調整邊距
plt.title("Directed Subway Network from Edge List")
plt.show()
except FileNotFoundError:
print(f"錯誤：找不到檔案 'data/example.edgelist'。請確保檔案存在於正確的路徑。")
except Exception as e:
print(f"讀取或繪製時發生錯誤: {e}")
通過指定 create_using=nx.DiGraph，NetworkX 會正確解析邊界的來源和目標，並生成一個有向圖。視覺化結果會包含箭頭，指示邊界的傳播方向。
處理加權邊界的邊界列表
邊界列表格式也支援表示加權邊界。若要讓 NetworkX 自動識別並處理權重，需要在檔案格式中進行相應的修改。
- 格式變更：在每行的節點 ID 之後，添加一個權重值。節點 ID 與權重值之間同樣以空格分隔。
- 自動屬性：當讀取帶有權重值的邊界列表時，NetworkX 會自動將權重值賦予一個名為
"weight"的邊界屬性。
範例：包含權重的邊界列表檔案
假設 example.edgelist 檔案現在包含權重資訊：
# Example edge list network
# source target weight
Winegroom Uptown 1
Winegroom Strawshop 5
Uptown Strawshop 9
# ... 其他邊界 (可能也包含權重)
讀取加權邊界列表：
NetworkX 在讀取邊界列表時，如果檢測到第三個欄位（或更多欄位，取決於 nodetype 的設定），它會嘗試將其解析為權重。
from pathlib import Path
import networkx as nx
import matplotlib.pyplot as plt
data_dir = Path('.') / 'data' # 假設 'data' 目錄存在於當前路徑下
# 讀取加權邊界列表檔案
# NetworkX 會自動將第三個欄位解析為 'weight' 屬性
try:
# 為了處理可能存在的權重，我們通常會讓 read_edgelist 知道節點類型
# 但對於簡單的權重，它通常能自動推斷
G_weighted_subway = nx.read_edgelist(
data_dir / 'example.edgelist',
create_using=nx.Graph, # 這裡假設是無向加權圖，可根據需要改為 DiGraph
nodetype=str, # 指定節點類型為字串
data=[('weight', int)] # 指定邊界屬性名稱和類型
)
# 提取邊界權重，用於視覺化
edge_weights = [G_weighted_subway.edges[e]['weight'] for e in G_weighted_subway.edges]
# 繪製加權網路圖
pos = nx.spring_layout(G_weighted_subway)
nx.draw_networkx(
G_weighted_subway,
pos,
with_labels=True,
node_color='lightgreen',
edge_color=edge_weights, # 使用權重來決定邊界顏色
edge_cmap=plt.cm.Blues, # 使用藍色色階
width=edge_weights, # 使用權重來決定邊界粗細
edge_vmin=min(edge_weights) if edge_weights else 0,
edge_vmax=max(edge_weights) if edge_weights else 1
)
plt.gca().margins(0.15, 0.15)
plt.title("Weighted Subway Network from Edge List")
plt.show()
except FileNotFoundError:
print(f"錯誤：找不到檔案 'data/example.edgelist'。請確保檔案存在於正確的路徑。")
except Exception as e:
print(f"讀取或繪製時發生錯誤: {e}")
在上面的程式碼中，data=[('weight', int)] 參數明確告訴 NetworkX，檔案中的第三個欄位應該被解析為一個名為 weight 的整數屬性。這樣，我們就可以在後續的分析和視覺化中利用這些權重信息。
看圖說話：
此圖示總結了「處理有向與加權邊界的邊界列表檔案」，旨在說明如何使用邊界列表格式讀取不同類型的網路。流程開頭首先聚焦於「處理有向與加權邊界的邊界列表檔案」，透過「分割」結構，詳細闡述了「讀取有向網路的邊界列表」（說明了如何使用 create_using=nx.DiGraph 參數，並解釋了「第一個節點 ID 為來源 (Source), 第二個節點 ID 為目標 (Target)」的解析規則，並提及了「範例：有向地鐵網路視覺化」），接著探討了「處理加權邊界的邊界列表」（介紹了「檔案格式：source target weight」，說明了權重「自動解析為 ‘weight’ 屬性」，以及如何使用 data=[('weight', int)] 指定屬性，並指出「視覺化時可利用權重 (顏色、粗細)」）。最後，圖示以「總結與未來方向」作結，強調了「邊界列表格式的靈活性」、「支援有向與加權網路」，並為「為後續複雜格式和程式碼創建鋪墊」。
強化邊界列表：支援多屬性與權重讀取
在前幾節的討論中，我們已經了解了邊界列表（Edge List）格式的基本結構，以及如何利用它來讀取無向、有向和加權網路。本節將進一步探討邊界列表格式在支援多重邊界屬性方面的能力，並介紹 NetworkX 中專門用於讀取加權邊界列表的函數。
使用 read_weighted_edgelist() 讀取加權網路
NetworkX 提供了一個專門的函數 nx.read_weighted_edgelist()，用於簡化讀取包含權重資訊的邊界列表檔案。這個函數會自動將檔案中每個邊界的第三個欄位解析為 "weight" 屬性。
範例：讀取並視覺化加權網路
假設我們有一個名為 weighted.edgelist 的檔案，其內容如下：
# Example edge list network
# source target weight
Winegroom Uptown 1
Winegroom Strawshop 5
Uptown Strawshop 9
Uptown Amazelake 6
Strawshop Province 3
我們可以這樣讀取並視覺化這個加權網路：
from pathlib import Path
import networkx as nx
import matplotlib.pyplot as plt
data_dir = Path('.') / 'data' # 假設 'data' 目錄存在於當前路徑下
# 讀取加權邊界列表檔案
try:
G_weighted = nx.read_weighted_edgelist(data_dir / 'weighted.edgelist')
# 提取邊界的權重值，用於視覺化
# G.edges(data=True) 會回傳 (source, target, attribute_dict) 的元組
weights = [d['weight'] for s, t, d in G_weighted.edges(data=True)]
# 計算節點佈局
pos = nx.spring_layout(G_weighted)
# 繪製加權網路圖
nx.draw_networkx(
G_weighted,
pos,
with_labels=True,
node_color='lightgreen',
width=4, # 設定邊界的基礎寬度
edge_color=weights, # 使用權重值來決定邊界的顏色
edge_cmap=plt.cm.Greys, # 使用灰階色階 (從淺灰到深灰代表權重從小到大)
edge_vmin=min(weights) if weights else 0, # 設定顏色映射的最小值
edge_vmax=max(weights) if weights else 1 # 設定顏色映射的最大值
)
plt.gca().margins(0.15, 0.15) # 調整邊距
plt.title("Weighted Network from Edge List (read_weighted_edgelist)")
plt.show()
except FileNotFoundError:
print(f"錯誤：找不到檔案 'data/weighted.edgelist'。請確保檔案存在於正確的路徑。")
except Exception as e:
print(f"讀取或繪製時發生錯誤: {e}")
透過 read_weighted_edgelist()，我們能快速創建一個包含權重屬性的網路。在視覺化時，我們可以將這些權重值映射到邊界的顏色或粗細，直觀地展示連結的強度。
邊界列表格式支援多重屬性
除了權重之外，邊界列表格式還能支援為每條邊界指定額外的屬性。這些屬性會被附加到每行的節點 ID 和權重值之後。
- 格式擴展：
# source target weight attribute1 attribute2 ... - 屬性解析：NetworkX 會將這些額外的欄位解析為邊界的屬性。如果檔案中同時包含權重和自定義屬性，則需要使用更通用的
read_edgelist()函數並指定data參數來進行解析。
範例：包含自定義屬性的邊界列表
假設我們想為地鐵路線添加顏色屬性，修改後的 example.edgelist 檔案內容如下：
# Example edge list network
# source target weight color
Winegroom Uptown 1 red
Winegroom Strawshop 5 orange
Uptown Strawshop 9 blue
Uptown Amazelake 6 green
Strawshop Province 3 purple
讀取包含多重屬性的邊界列表：
為了正確讀取包含權重和自定義屬性的邊界列表，我們需要使用 read_edgelist() 並提供 data 參數來定義屬性的名稱和類型。
from pathlib import Path
import networkx as nx
import matplotlib.pyplot as plt
data_dir = Path('.') / 'data' # 假設 'data' 目錄存在於當前路徑下
# 讀取包含權重和自定義屬性的邊界列表
try:
# 指定節點類型為字串，並定義邊界屬性及其類型
G_multi_attr = nx.read_edgelist(
data_dir / 'example.edgelist',
create_using=nx.Graph, # 假設是無向圖
nodetype=str,
data=[('weight', int), ('color', str)] # 定義兩個邊界屬性
)
# 提取邊界的顏色屬性，用於視覺化
edge_colors = [d['color'] for s, t, d in G_multi_attr.edges(data=True)]
# 提取邊界的權重屬性，用於設定邊界粗細
edge_widths = [d['weight'] for s, t, d in G_multi_attr.edges(data=True)]
# 計算節點佈局
pos = nx.spring_layout(G_multi_attr)
# 繪製網路圖，使用自定義屬性進行視覺化
nx.draw_networkx(
G_multi_attr,
pos,
with_labels=True,
node_color='lightblue',
edge_color=edge_colors, # 使用 'color' 屬性設定邊界顏色
width=[w * 0.5 for w in edge_widths], # 使用 'weight' 屬性設定邊界粗細 (乘以係數調整視覺效果)
edge_cmap=plt.cm.viridis # 可選的顏色映射
)
plt.gca().margins(0.15, 0.15)
plt.title("Network with Multiple Edge Attributes from Edge List")
plt.show()
except FileNotFoundError:
print(f"錯誤：找不到檔案 'data/example.edgelist'。請確保檔案存在於正確的路徑。")
except Exception as e:
print(f"讀取或繪製時發生錯誤: {e}")
通過這種方式，我們可以將豐富的結構化資訊嵌入到邊界列表中，並在 NetworkX 中進行靈活的處理和視覺化。
看圖說話：
此圖示總結了「強化邊界列表：支援多屬性與權重讀取」，旨在說明邊界列表格式在處理加權和多重屬性邊界方面的能力。流程開頭首先聚焦於「強化邊界列表」，透過「分割」結構，詳細闡述了「使用 read_weighted_edgelist() 讀取加權網路」（說明該函數的簡化作用，並提及「範例：加權網路視覺化 (顏色對應權重)」），接著探討了「邊界列表格式支援多重屬性」（介紹了「格式擴展：source target weight attribute1 …」，說明了如何「使用 read_edgelist() 配合 data 參數」來定義屬性，並提及了「範例：包含顏色與權重的網路視覺化」）。最後，圖示以「總結與未來方向」作結，強調了「邊界列表的靈活性與擴展性」、「處理加權與多重屬性邊界」，並為「為更多格式和程式碼創建鋪墊」。
結論
縱觀現代網路分析的多元挑戰，邊界列表格式的價值已從基礎的連結記錄，演化為承載豐富脈絡的結構化工具。其核心突破在於，透過 create_using 與 data 等參數，分析者能將方向、權重及多維屬性無縫整合至模型中。這一步驟雖比基礎讀取稍嫌繁瑣，卻是將靜態資料點轉化為動態關係網路的關鍵，直接決定了後續分析的深度與精準度。
未來，隨著真實世界數據的複雜性加劇，這種將多維度資訊程式化為邊界屬性的能力，將成為區分基礎描繪與深度洞察的分水嶺。玄貓認為，精通邊界列表的完整潛力，不僅是資料導入的技術，更是將抽象關係轉譯為可計算模型的策略起點，是每位數據實踐者通往高階分析的必經之路。