使用networkx及matplotlib库实现社会网络分析及可视化

公众号: HR和Python

4年人力资源从业经验，情报学硕士，主要内容涵盖python、数据分析和人力资源相关内容

networkx是python的一个第三方包，可以方便地调用各种图算法的计算。通过调用python画图包matplotlib能实现图的可视化。如果需要详细了解networks库可以参照官方文档：https://networkx.github.io/documentation/networkx-1.9/

1.安装库

安装networkx

pip3 install networks

The following command must be run outside of the IPython shell:
 $ pip install networks
The Python package manager (pip) can only be used from outside of IPython.
Please reissue the `pip` command in a separate terminal or command prompt.
See the Python documentation for more information on how to install packages:
 https://docs.python.org/3/installing/

2.使用

创建一个没有节点也没有边的空图

在使用networks进行创建网络关系及网络分析之前，我们首先要先创建空图，在networks库中，提供三种类型的图：简单无向图graph，有向图digraph，可重复边的multi-graph。语法如下：

比如我们创建名为G的无向图，具体代码如下：

import networkx as nx
G = nx.Graph()

创建节点（add_note)

这里的点可以是任意可区分的对象（hashable），比如数字，字符串，对象等。

用一个对象多为key来唯一区别一个点

G.add_node('firstnode')

用一个列表来批量加入点

G.add_nodes_from([1,2,3])

用一个图对象作为加入点

嵌入到其他图中这里D作为一个点的key,或者把一个图的所有点赋予另一个图

• G.add_node(D)

• G.add_nodes_from(D)这里返回D的所有点，赋予G

比如我们创建节点名为1和"python"的节点 具体代码如下：

G.add_node(1)
G.add_node("python")

G.nodes()

NodeView((1, 'python'))

删除节点（remove_node）

删除节点和创建节点用法几乎相同，比如我们删除节点'python'，或者从列表[1,2,3]中删除节点

G.remove_node("python")
G.remove_nodes_from([1,2,3])

创建边

G.add_edge(1,2)
G.add_edges_from([(1,2),(2,3)])

删除边（remove_edge)

删除节点和创建节点用法几乎相同,比如我们删除节点1，2之间的边，或者批量删除节点（1，2），节点（3，4）之间的边

G.remove_edge(1,2)
G.remove_edges_from([(1,2),(2,3)])

访问

我们可以访问图中的节点和节点之间的边

• 访问 G.nodes()

• 访问节点 G.edges()

G.add_edges_from([(1,2),(2,3)])
G.nodes()
G.edges()

EdgeView([(1, 2), (2, 3)])

画网络图

将创建的图进行可视化呈现需要用到matplotlib.pyplot库

import matplotlib.pyplot as plt
nx.draw_networkx(G)
plt.show()

设置节点颜色，大小

plt.figure(figsize=(20,10))
nx.draw_networkx(G,font_size = 12,font_color = "blue",node_size = 1000)
nx.draw_networkx(G)
plt.show()

实战

接下来我们用已经清洗好的数据集绘制《神雕侠侣》人物网络关系图

import matplotlib.pyplot as plt
import networkx as nx
%matplotlib inline
#显示中文
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
fi =open("网络图2.txt","r", encoding='gbk')
edges = []
for line in fi.readlines():
 edges.append(line.replace('\n', '').replace('\t', ',').split(','))
nodes = ['陆无双','程英','何沅君','陆展元', '李莫愁', '武三通','段智兴','武三娘', 
 '武敦儒','武修文','黄蓉', '柯镇恶','郭靖', '黄药师','洪七公','梅超风', 
 '欧阳锋','杨过', '杨康','穆念慈', '陈玄风', '鲁有脚', '丘处机', '赵志敬', 
 '霍都', '达尔巴','王重阳','孙婆婆', '林朝英','耶律齐','耶律燕','完颜萍',
 '金轮法王','陆冠英','朱子柳','傻姑','周伯通','冯默风','潇湘子','尼摩星',
 '马光佐','尹克西','刘瑛','公孙绿萼','樊一翁','裘千尺','裘千仞','郭破虏',
 '郭襄','独孤求败','人厨子','圣因师太']
g=nx.Graph()
g.add_nodes_from(nodes)
g.add_edges_from(edges)
plt.figure(figsize=(20, 10))
nx.draw_networkx(g, font_size=12, font_color='blue', node_size=1500)
plt.savefig('ba.png')
fi.close()

近期文章

代码不到40行的超燃动态排序图

如何使用Adaboost预测下一次营销活动的效果

Python网络爬虫与文本数据分析

日期数据操作第1期 datetime库

日期数据操作第2期 pandas库

Python语法快速入门

Python爬虫快速入门

文本数据分析文章汇总(2016-至今)

当文本分析遇到乱码(ง'⌣')ง怎么办？

Loughran&McDonald金融文本情感分析库

使用分析师报告中含有的情感信息预测上市公司股价变动

当pandas遇上数据类型问题

如何理解pandas中的transform函数

计算社会经济学

一行pandas代码生成哑变量

Python最被低估的库，用好了效率提升10倍！

公众号后台回复关键词“20191127”，即可获得课件资源，请在如果觉得有用，欢迎转发支持～如果您想了解如何对小说人物关系数据进行清洗，请关注我们下期内容