پرتوپرتو

نمودار شبکه (PartoNetworkChart)

نمودار گره‌ای با force-directed layout برای نمایش ارتباطات بین entity ها. بدون وابستگی به d3-force؛ شبیه‌سازی داخلی سبک.

معرفی

PartoNetworkChart یک گراف node/link است که با شبیه‌سازی داخلی (repulsion + link attraction + centering) layout خودکار تولید می‌کند. مناسب برای نمایش ارتباطات آزاد (غیر-acyclic) که Sankey به آن پاسخ نمی‌دهد.

چه زمانی استفاده کنیم:

  • ارتباط بین افراد/رسانه‌ها در یک مکالمه افکارسنجی
  • شبکه retweet/mention
  • graph کلاسترهای clustering
  • influencer → پیج‌های ارجاع‌دهنده

چه زمانی استفاده نکنیم:

  • جریان یک‌طرفه بین لایه‌ها — از PartoSankeyChart استفاده کنید
  • گراف خیلی بزرگ (بیشتر از ~۳۰۰ گره) — شبیه‌سازی ما فقط O(n²) است؛ برای هزار گره از force-graph تخصصی استفاده کنید
  • سلسله مراتبی (tree) — از component درختی استفاده کنید

زمین بازی

با تغییر تنظیمات زیر، پیش‌نمایش زنده را مشاهده کنید.

زمین بازی
تنظیمات
محتوا
حالت
کد این نمونه به‌صورت خودکار قابل تولید نیست — برای کد آماده‌ی copy/paste به بخش «استفاده» در بالای صفحه مراجعه کنید.

استفاده

'use client'
import { PartoNetworkChart } from '@partodata/ui'

const nodes = [
  { id: 'hub', label: 'رسانه مرکزی', group: 'core', weight: 5 },
  { id: 'p1', label: 'پیج الف', group: 'page', weight: 3 },
  { id: 'p2', label: 'پیج ب', group: 'page', weight: 2 },
]

const links = [
  { source: 'hub', target: 'p1', value: 3 },
  { source: 'hub', target: 'p2', value: 2 },
  { source: 'p1', target: 'p2', value: 1 },
]

<div style={{ height: 360 }}>
  <PartoNetworkChart nodes={nodes} links={links} />
</div>

موقعیت ثابت (fx/fy)

// Pin a node to a specific position; simulation skips it
const nodes = [
  { id: 'center', label: 'مرکز', fx: 400, fy: 200 },
  { id: 'n1', label: 'گره ۱' }, // simulation-positioned
]

حالت‌ها و انواع

force-directed پیش‌فرض — هم‌رخدادی هشتگ‌ها

ساده‌ترین حالت؛ همه گره‌ها با شبیه‌سازی repulsion + link attraction به‌صورت خودکار جای‌گذاری می‌شوند. مناسب برای کلاسترینگ هشتگ‌های پرتکرار در یک مکالمه افکارسنجی.

const nodes = [
  { id: 'product', label: '#محصول' },
  { id: 'discount', label: '#تخفیف' },
  { id: 'eqtesad', label: '#اقتصاد' },
  { id: 'brand', label: '#برند' },
]
const links = [
  { source: 'product', target: 'discount', value: 12 },
  { source: 'discount', target: 'eqtesad', value: 9 },
  { source: 'eqtesad', target: 'brand', value: 6 },
  { source: 'product', target: 'brand', value: 3 },
]

<div style={{ height: 360 }}>
  <PartoNetworkChart nodes={nodes} links={links} />
</div>

چیدمان hub-pinned — رسانه مرکزی ثابت

با تعیین fx/fy روی گره‌های کلیدی، آن‌ها از شبیه‌سازی خارج می‌شوند و layout پایدار می‌ماند. برای زمانی که می‌خواهید رسانه مرکزی همیشه در مرکز کادر باشد استفاده کنید.

const nodes = [
  { id: 'hub', label: 'حساب مرکزی برند', fx: 420, fy: 180, weight: 8 },
  { id: 'p1', label: 'پیج الف', weight: 3 },
  { id: 'p2', label: 'پیج ب', weight: 2 },
  { id: 'p3', label: 'پیج ج', weight: 4 },
]
const links = [
  { source: 'hub', target: 'p1', value: 5 },
  { source: 'hub', target: 'p2', value: 3 },
  { source: 'hub', target: 'p3', value: 6 },
]

<PartoNetworkChart nodes={nodes} links={links} />

palette رنگی بر اساس group — کلاسترهای دسته‌بندی شده

با مقداردهی group روی هر گره، palette رنگی خودکار اعمال می‌شود. برای متمایز کردن دسته‌های مختلف (رسانه، برند، اینفلوئنسر) به یک نگاه استفاده کنید.

const nodes = [
  { id: 'm1', label: 'پیج خبری', group: 'media' },
  { id: 'm2', label: 'وب‌سایت رسانه‌ای', group: 'media' },
  { id: 'b1', label: 'حساب رسمی برند', group: 'brand' },
  { id: 'b2', label: 'پیج محصول', group: 'brand' },
  { id: 'i1', label: 'اینفلوئنسر', group: 'influencer' },
]
const links = [
  { source: 'm1', target: 'b1', value: 4 },
  { source: 'm2', target: 'b2', value: 3 },
  { source: 'i1', target: 'm1', value: 2 },
  { source: 'i1', target: 'b1', value: 1 },
]

<PartoNetworkChart nodes={nodes} links={links} />

اندازه گره‌ها بر اساس وزن نفوذ

با weight روی هر گره و تنظیم maxNodeRadius، گره‌های پرنفوذتر بزرگ‌تر رندر می‌شوند. مناسب برای زمانی که اهمیت یا تعداد دنبال‌کننده باید در یک نگاه قابل تشخیص باشد.

<PartoNetworkChart
  nodes={[
    { id: 'mega', label: 'پیج مگا', weight: 10 },
    { id: 'macro', label: 'پیج کلان', weight: 5 },
    { id: 'micro', label: 'پیج خرد', weight: 1 },
  ]}
  links={[
    { source: 'mega', target: 'macro', value: 4 },
    { source: 'macro', target: 'micro', value: 2 },
  ]}
  nodeRadius={10}
  maxNodeRadius={32}
/>

حالت خالی

اگر nodes خالی باشد، کامپوننت EmptyChart را به‌جای SVG رندر می‌کند تا کاربر بداند داده‌ای برای نمایش وجود ندارد. (آرایه‌ی links خالی با گره‌های موجود همچنان SVG را رندر می‌کند — گره‌ها بدون خط.)

<PartoNetworkChart nodes={[]} links={[]} />

راهنمای استفاده

بکنید

  • برای نمایش روابط آزاد بین entity‌ها استفاده کنید — گراف mention، co-occurrence هشتگ، یا کلاسترهای follower. - گره‌های مهم (hub، رسانه مرکزی) را با fx/fy در موقعیت ثابت pin کنید تا layout پایدار بماند. - برای متمایز‌سازی دسته گره‌ها از group استفاده کنید تا palette رنگی خودکار اعمال شود.

نکنید

  • بیشتر از ۲۰۰ گره روی یک نمودار قرار ندهید — خوانایی از دست می‌رود و شبیه‌سازی O(n²) کند می‌شود. - برای داده‌های سلسله‌مراتبی (tree) استفاده نکنید — از یک کامپوننت درختی استفاده کنید. - برای جریان یک‌طرفه بین لایه‌ها از PartoSankeyChart استفاده کنید، نه network.

Props

Prop

Type

Prop

Type

دسترسی‌پذیری

  • wrapper با role="img" + aria-label localized.
  • گره‌ها کلیدبورد-قابل‌دسترس نیستند در این نسخه (SVG inline نقاط) — برای کاربرد a11y-اول از لیست گره‌ها در کنار نمودار استفاده کنید.
  • hover یک link باعث highlight گره‌های دو سر می‌شود؛ بقیه dim می‌شوند.

محدودیت‌ها

  • شبیه‌سازی O(n²) است — برای کمتر از ۱۰۰ گره عالی کار می‌کند؛ بیشتر از ۳۰۰ گره کند می‌شود.
  • layout non-deterministic است — hash id برای seed اولیه استفاده می‌شود تا re-render پایدار باشد.
  • بدون zoom/pan — برای تعامل پیچیده از react-flow یا d3-zoom استفاده کنید.

کامپوننت‌های مرتبط