ipycytoscape：在 Jupyter 中交互式可视化网络图
数据分析中经常遇到网络图，社交关系、蛋白质交互、知识图谱，都可以用节点和边的形式表达。展示这些关系不复杂，但要在 Jupyter 里交互式地查看和操作，选择并不多。ipycytoscape 填补了这个空白，让 Notebook 用户可以直接在代码单元格中创建和操作网络图。
什么是 ipycytoscape
ipycytoscape 是一个 Jupyter 插件，基于 Cytoscape.js 实现图形可视化。Cytoscape.js 是前端领域成熟的图形可视化库，支持多种布局算法、样式定制和交互事件。ipycytoscape 相当于给 Jupyter 用户提供了直接调用这些能力的接口，在代码单元格中创建网络图后，可以缩放、拖拽、筛选，所有操作实时响应，不需要写前端代码。
项目目前有 289 个 Star，由 QuantStack 团队发起维护，采用 BSD-3-Clause 协议。
数据源支持
这个工具最实用的地方在于支持多种数据源：
NetworkX：Python 生态中最常用的图分析库。常见的操作如创建图、计算节点中心性、做社区发现，都可以用 NetworkX 完成。ipycytoscape 可以直接读取 NetworkX 的图对象进行渲染，分析完直接可视化，省了格式转换步骤。
Pandas DataFrame：如果数据以表格形式存在，用 DataFrame 表示边列表，同样可以导入。这对于习惯用 Pandas 处理数据的人很方便，不需要额外学习图数据格式。
Neo4j：图数据库查询结果也能无缝接入。如果团队已经在用 Neo4j 存储图数据，ipycytoscape 可以直接可视化查询结果，适合生产环境使用。
三种数据源覆盖了大部分使用场景。无论数据来自 Python 库、表格文件还是数据库，都能接入。
安装方式
安装很简单，通过 conda-forge 或 pip 都可以：
mamba install -c conda-forge ipycytoscape
pip 用户也可以：
pip install ipycytoscape
如果需要 Pandas 或 Neo4j 支持，安装对应的依赖包即可。整个过程不依赖复杂编译，装完就能在 Jupyter 中使用。对于 JupyterLab 1.x 或 2.x 用户，需要额外安装 nodejs 和 jupyterlab-manager 扩展。
具体示例代码可以在项目的 examples 目录中找到，包括 NetworkX 使用示例、Pandas 导入示例和 Neo4j 接入示例。
适用场景
生物信息学领域是典型应用场景。蛋白质交互网络、基因调控网络的展示，用 ipycytoscape 可以直接在 Notebook 中完成。研究人员分析完数据，同一个环境下就能看到可视化结果。
社交网络分析也适合。节点关系、社区结构、传播路径的可视化，ipycytoscape 的交互能力让探索更直观。
知识图谱的探索性分析同样适用。图谱的节点和关系展示，缩放和拖拽的操作方式符合直觉。
对于 Jupyter 生态来说，图形可视化一直是个相对薄弱的环节。做数据分析的人经常需要在 Notebook 中展示图结构数据，但现有方案要么功能有限，要么配置复杂。ipycytoscape 在这块提供了一个轻量级但功能完整的方案。
小结
在 Jupyter 中做网络图可视化，选项有限。ipycytoscape 把 Cytoscape.js 的能力带到了 Notebook 中，安装简单，支持 NetworkX、Pandas、Neo4j 三种数据源，交互操作流畅。对于需要频繁在数据分析流程中展示网络关系的人来说，是个值得留意的工具。
