使用networkx及matplotlib库实现社会网络分析及可视化

公众号: HR和Python4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networkxpip3 install networksThe following command must be run outside of the IPython shell:$ pip install networksThe 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：代码功能G=nx.Graph()创建空的简单图G=nx.DiGraph()创建空的简单有向图G=nx.MultiGraph()创建空的多图G=nx.MultiDiGraph()创建空的有向多图比如我们创建名为G的无向图，具体代码如下：import networkx as nxG = 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])创建边功能代码节点1，2之间创建一条边G.add_edge(1,2)用包含元组的列表批量创建边G.add_edges_from([(1,2),(2,3)]将一个图的边赋予另一个图G.add_edges_from(H)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 pltnx.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 pltimport 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！