安装指南 - 扩展版#

本扩展指南提供了安装PyGraphistry的详细说明，包括增强性能和功能的可选配置。

GPU 模式系统要求（可选）#

Nvidia RAPIDS: PyGraphistry 主要与 Nvidia RAPIDS 对齐，因此请检查您的系统是否符合他们的要求：
- Volta 代 GPU 或更新版本 是当前 Nvidia RAPIDS 的最低要求。
- cuDF: 必需。
- cuML, cuGraph: 推荐。
PyTorch: PyGraphistry[AI] 进一步与 PyTorch 对齐，以支持其一些更高级的方法。

PyGraphistry 依赖于一小部分标准的基于CPU的Python数据科学库，如pandas、pyarrow和numpy。如果您的系统缺少这些依赖项，它们将自动安装。

PyGraphistry 支持多种可选依赖项以扩展其功能。

要为DataFrames和图分析启用GPU加速，请从NVIDIA RAPIDS套件中安装cuDF、cuML和cuGraph。

按照NVIDIA RAPIDS 安装指南中的说明进行操作。

以下许多内容可以在CPU模式和GPU模式下使用。

AI库:
- torch (1GB+): PyTorch 及相关库，用于 PyGraphistry AI 包中的高级 AI 方法。
  
  安装方法：
```
pip install graphistry[ai]
```
图形库:
- networkx: 与NetworkX图表的集成。
  
  安装方法：
```
pip install graphistry[networkx]
```
- igraph: 支持 igraph 图。
  
  安装方法：
```
pip install graphistry[igraph]
```
- pygraphviz: 使用Graphviz布局渲染图形。
  
  安装方法：
```
pip install graphistry[pygraphviz]
```
图数据库和协议:
- gremlinpython: 使用Gremlin图数据库。
  
  安装方法：
```
pip install graphistry[gremlin]
```
- neo4j, neotime: 通过Bolt协议连接到Neo4j。
  
  安装方法：
```
pip install graphistry[bolt]
```
数据格式:
- openpyxl, xlrd: 读取NodeXL文件。
  
  安装方法：
```
pip install graphistry[nodexl]
```
机器学习与人工智能:
- umap-learn, dirty-cat, scikit-learn: 用于降维和聚类。
  
  安装方法：
```
pip install graphistry[umap-learn]
```
- scipy, dgl, torch<2, sentence-transformers, faiss-cpu, joblib: 高级人工智能功能。
  
  安装方法：
```
pip install graphistry[ai]
```
Jupyter 支持:
- ipython: 增强的Jupyter笔记本集成。
  
  安装方法：
```
pip install graphistry[jupyter]
```

您可以通过列出多个附加组件并用逗号分隔来安装它们：

pip install graphistry[networkx,umap-learn]

安装所有可选的依赖项（由于大小和潜在的冲突，通常不推荐）：

pip install graphistry[all]

不，你可以在本地运行GFQL和其他PyGraphistry的CPU和GPU组件。要使用完整的可视化功能，你需要访问Graphistry服务器。
选项:
- Graphistry Hub: 使用位于 hub.graphistry.com 的公共 Graphistry Hub。
- 自托管服务器：按照Graphistry CLI 管理指南中的部署说明设置您自己的Graphistry服务器。

增强功能：支持不同的图形格式、高级分析、机器学习以及与各种工具和数据库的集成。例如，对于需要仔细布局小树的可视化用户，我们推荐pygraphviz，而对于需要处理大量GFQL工作负载的用户，我们推荐RAPIDS。
自定义: 仅安装您特定用例所需的内容。

对于希望参与PyGraphistry本身的贡献者和开发者，我们推荐使用Docker，或者进行本地开发：

祝您绘图愉快！