Открытая настольная платформа для визуализации, изучения и обработки больших графов и сетей с интерактивной раскладкой и фильтрацией в реальном времени.
graphistry/pygraphistry
Библиотека Python для загрузки, преобразования и визуального анализа больших графов, с опциональным ускорением на GPU через RAPIDS и Graphistry visual analyzer.
Open source альтернатива:Gephi
- Звёзды
- 2,577
- Форки
- 232
- Открытые issues
- 336
- Последний коммит
- 5 дней назад
Что это?
PyGraphistry — библиотека Python для преобразования табличных данных в графы и их интерактивного изучения. Она работает с DataFrame из pandas, а в режиме GPU — с cuDF: специалисты по данным могут готовить таблицы рёбер и узлов привычными средствами и отправлять их на сервер визуализации Graphistry, чтобы интерактивно исследовать данные с помощью фильтров, детализации и временных шкал.
В библиотеку входит GFQL — язык запросов к графам с синтаксисом в стиле Cypher, работающий с текущим графом или удалённо. Также доступны встроенные инструменты анализа графов, например PageRank на базе igraph или cuGraph, эмбеддинги UMAP и вспомогательные инструменты для graph ML в дополнительном пакете graphistry[ai].
PyGraphistry предоставляет коннекторы к базам данных и платформам, включая Neo4j, Neptune, TigerGraph, Splunk, PostgreSQL и Databricks, а также взаимодействует с NetworkX и Apache Arrow. Визуализации можно встраивать с помощью iframe или настраивать через JavaScript и REST API.
Ключевые возможности
- 01Загружает DataFrame из pandas и cuDF как рёбра и узлы графа с помощью простых привязок.
- 02Выполняет запросы к графам с помощью GFQL и синтаксиса в стиле Cypher — на текущем графе или удалённо.
- 03Вычисляет аналитические показатели, например PageRank, через igraph или cuGraph и строит эмбеддинги UMAP.
- 04Подключается к графовым базам данных и платформам, включая Neo4j, Neptune, TigerGraph и Splunk.
- 05Создаёт интерактивные визуализации с фильтрами, детализацией и временными шкалами; их можно встраивать через iframe или настраивать с помощью JavaScript и REST.
Сценарии использования
- Интерактивное исследование связей в данных о мошенничестве, логах кибербезопасности или транзакциях.
- Визуализация социальных сетей, взаимодействий белков и других больших списков рёбер, содержащих миллионы связей.
- Анализ графов и построение эмбеддингов на основе табличных данных в Jupyter Notebook.
- Запросы к графовым данным с помощью шаблонов в стиле Cypher из рабочего процесса на Python без отдельной графовой базы данных.
Быстрый старт
- 1
Установите минимальный основной пакет с помощью pip
pip install graphistry - 2
Загрузите DataFrame и задайте его как граф с помощью graphistry.edges(df, 'src', 'dst')
- 3
Зарегистрируйте учетную запись на сервере Graphistry, затем вызовите plot(), чтобы просмотреть граф
Что важно знать
- Интерактивные графики загружаются на сервер Graphistry, поэтому нужна учетная запись на hub или собственном сервере.
- Ускорение на GPU необязательно, но для локального режима с GPU требуются RAPIDS и видеокарта NVIDIA.
В подборках
Темы
Частые вопросы
- Что такое pygraphistry?
- Библиотека Python для загрузки, преобразования и визуального анализа больших графов, с опциональным ускорением на GPU через RAPIDS и Graphistry visual analyzer. PyGraphistry — библиотека Python для преобразования табличных данных в графы и их интерактивного изучения. Она работает с DataFrame из pandas, а в режиме GPU — с cuDF: специалисты по данным могут готовить таблицы рёбер и узлов привычными средствами и отправлять их на сервер визуализации Graphistry, чтобы интерактивно исследовать данные с помощью фильтров, детализации и временных шкал.
- pygraphistry можно использовать бесплатно? Какая у него лицензия?
- pygraphistry распространяется с открытым исходным кодом под лицензией BSD-3-Clause. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- pygraphistry всё ещё поддерживается?
- Активно поддерживается. Последний коммит в pygraphistry — 2 нояб. 2026 г..
- Для чего можно использовать pygraphistry?
- Интерактивное исследование связей в данных о мошенничестве, логах кибербезопасности или транзакциях. Визуализация социальных сетей, взаимодействий белков и других больших списков рёбер, содержащих миллионы связей. Анализ графов и построение эмбеддингов на основе табличных данных в Jupyter Notebook. Запросы к графовым данным с помощью шаблонов в стиле Cypher из рабочего процесса на Python без отдельной графовой базы данных.
- Как установить pygraphistry?
- Установите минимальный основной пакет с помощью pip: pip install graphistry Загрузите DataFrame и задайте его как граф с помощью graphistry.edges(df, 'src', 'dst') Зарегистрируйте учетную запись на сервере Graphistry, затем вызовите plot(), чтобы просмотреть граф
- Где скачать pygraphistry?
- Исходный код и инструкции по установке — на GitHub: https://github.com/graphistry/pygraphistry
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
GPU-ускоренная библиотека DataFrame для табличных данных с API в стиле pandas и ускорением pandas без изменений в коде.
Python-пакет для создания, преобразования и изучения структуры и динамики сложных сетей и графов.
Python-библиотека для работы с табличными данными и их импорта и экспорта в Excel, CSV, JSON, YAML и другие форматы.
Библиотека Python для интерактивного визуального анализа pandas-, polars- и pyarrow-датафреймов с помощью drag-and-drop в Jupyter.
Python-библиотека, которая формирует подробный отчет об исследовательском анализе и качестве данных для pandas- и Spark DataFrame; отчет можно экспортировать в HTML или JSON.