通常，有多种方法来可视化数据和存储数据。而在某些情况下，将数据存储为图网络表示而不是关系数据库或地理数据可能会更有用。理论上，图网络由节点和边组成，其中定义了边是否连接节点——即所谓的邻接。用户还可以添加有关节点和边的权重、标签、颜色以及能想到的任何信息。

根据这一理论，有许多著名的算法和启发式方法，它们容易解释但不易处理。明确来说，这些包括旅行推销员问题、匹配优化问题，大多数属于NP复杂性问题。除了地理实体和例如基于这些实体的路由算法之外，还有其他几个例子。如，人与公司之间的连接、关键词与产品之间的关系，或者在自然语言处理上下文中的情感分析，亦或是地方火车与车站之间的连接。

另一方面，有时，图网络的规模会比较大。例如，如果社交网络有一万个用户，这意味着有一万个节点以及其图中的所有潜在连接。同时，如果想要绘制网页图，选择所有相同主题的页面，最终可能仍会得到一个非常大的图。甚至在某些情况下，用户会发现自己正在处理数亿个节点。数据科学家经常需要可视化这些非常大的图网络。

本文介绍如何使用四种Python工具库进行大型图网络可视化。每个库都提供了具体的代码示例，展示了如何根据节点的类别或中心性来给节点着色，以及如何处理图网络中的边和顶点重叠问题。文末附完整实现代码。