零基础入门：用Pyvis快速构建知识图谱可视化Demo

关注

原创最新推荐文章于 2026-10-08 10:06:48 发布 159 阅读 AI 写同款· GEO 优化 ›

基于Apache Doris一站式构建知识图谱增强RAG系统如果你正在构建一个企业级的 AI 应用，比如一个智能客服或文档问答系统，你很可能已经接触过 RAG（检索增强生成）技术。它能解决大模型“幻觉”和知识陈旧的问题，但你是否也遇到了这些瓶颈：当用户问“我们公司产品A和产品B在技术架构上的主要区别是什么？”时，基础 RAG 返回的答案往往只是几个相关文档片段的拼接，缺乏逻辑关联，甚至可能遗漏关键对比信息。问题的根源在于，传统 RAG 将知识“打碎”成孤立的片段，丢失了实体间的深层联系。这正是知识图谱的价值所在。它能将非结构化文档转化为结构化的“实体-关系”网络，阅读详情

1. Pyvis：零门槛的知识图谱可视化神器

第一次接触知识图谱可视化时，我被各种复杂的工具链吓退过——直到遇见Pyvis。这个基于Python的轻量级库，用5行代码就能生成可拖拽的交互式图谱。就像用PPT做流程图一样简单，却有着专业级可视化效果。

Pyvis本质上是对JavaScript库vis.js的Python封装，省去了前端开发的繁琐。我最欣赏它的" notebook=True"模式，直接在Jupyter中实时渲染图谱，调试时特别方便。实际项目中，我常用它快速验证三元组数据的合理性，比用Neo4j等数据库更省时。

2. 5分钟快速上手：从安装到第一个Demo

2.1 环境准备

只需要Python 3.6+和pip，连虚拟环境都不用创建：

pip install pyvis

遇到安装慢的问题，可以加上清华源：

pip install pyvis -i https://pypi.tuna.tsinghua.edu.cn/simple

2.2 创建你的第一个节点

打开Python编辑器，跟着我写：

from pyvis.network import Network

# 创建网络对象，notebook模式适合在Jupyter中使用
net = Network(notebook=True, height="500px", width="100%")

# 添加两个节点
net.add_node(1, label="张三", color="#FF5733")  # 橙色节点
net.add_node(2, label="李四", color="#33FF57")  # 绿色节点

# 添加一条边
net.add_edge(1, 2, label="同事", width=2)

# 生成HTML文件
net.show("demo1.html")

运行后会在当前目录生成demo1.html，用浏览器打开就能看到可拖拽的交互式图谱。我特别喜欢Pyvis的物理引擎效果，拖动节点时连接线会弹性伸缩，比静态图直观多了。

3. 处理真实场景的三元组数据

3.1 结构化数据准备

实际项目中，我们的数据通常是这样的三元组：

triplets = [
    ("Python", "属于", "编程语言"),
    ("Pyvis", "基于", "vis.js"),
    ("知识图谱", "应用于", "智能问答")
]

建议先用pandas整理成DataFrame：

import pandas as pd

df = pd.DataFrame(triplets, columns=["source", "relation", "target"])

3.2 自动构建节点与边

写个通用函数处理任意三元组：

def build_knowledge_graph(triplets):
    net = Network(notebook=True)
    node_ids = {}  # 记录节点ID映射
    
    # 自动分配节点ID
    for idx, (src, rel, tgt) in enumerate(triplets):
        if src not in node_ids:
            node_ids[src] = len(node_ids)
            net.add_node(node_ids[src], label=src)
        
        if tgt not in node_ids:
            node_ids[tgt] = len(node_ids)
            net.add_node(node_ids[tgt], label=tgt)
        
        net.add_edge(node_ids[src], node_ids[tgt], label=rel)
    
    return net

使用时只需：

kg = build_knowledge_graph(triplets)
kg.show("knowledge_graph.html")

4. 高级美化技巧：让图谱会说话

4.1 视觉编码策略

通过颜色和形状传递语义：

# 按节点类型设置不同样式
node_types = {
    "Python": "technology",
    "Pyvis": "tool",
    "知识图谱": "concept"
}

for node in net.nodes:
    node_type = node_types.get(node["label"], "default")
    if node_type == "technology":
        node["color"] = "#FF9999"
        node["shape"] = "diamond"
    elif node_type == "tool":
        node["color"] = "#99FF99"
        node["shape"] = "star"

4.2 交互增强配置

添加这些参数让图谱更智能：

net.toggle_physics(True)  # 开启物理引擎
net.show_buttons(filter_=['physics'])  # 显示控制按钮
net.set_options("""
{
  "nodes": {
    "font": {
      "size": 14,
      "face": "微软雅黑"
    }
  }
}
""")

5. 避坑指南：我踩过的那些雷

5.1 中文乱码问题

如果节点显示乱码，需要在创建Network时指定字体：

net = Network(
    notebook=True,
    font_color="#000000",
    select_menu=True,
    filter_menu=True
)

5.2 大规模数据优化

当节点超过500个时，建议：

关闭物理引擎：net.toggle_physics(False)
使用分层布局：net.set_options('{"layout": {"hierarchical": true}}')
分模块展示：用net.add_subgraph()创建子图

5.3 常见报错解决

错误1：'Network' object has no attribute 'node_ids'

原因：Pyvis版本过旧
解决：pip install --upgrade pyvis

错误2：生成的HTML空白

检查：浏览器控制台是否有CORS错误
解决：添加cdn_resources='remote'参数

6. 实战：构建红楼梦人物关系图

以《红楼梦》前五回人物关系为例：

honglou_triplets = [
    ("贾宝玉", "表哥", "林黛玉"),
    ("贾宝玉", "弟弟", "贾环"),
    ("王熙凤", "丈夫", "贾琏"),
    ("贾母", "祖母", "贾宝玉")
]

net = build_knowledge_graph(honglou_triplets)

# 添加元数据
for node in net.nodes:
    if node["label"] in ["贾宝玉", "林黛玉"]:
        node["title"] = "主要角色"
        node["size"] = 30
    else:
        node["size"] = 20

net.show("honglou.html")

生成的效果图中，节点大小表示重要性，鼠标悬停显示角色类型。这种可视化特别适合文学研究者快速把握人物关系。