使用networkx及matplotlib库实现社会网络分析及可视化 _社会网络

4年人力资源从业经验，情报学硕士，主要内容涵盖、数据分析和人力资源相关内容
是的一个第三方包，可以方便地调用各种图算法的计算。通过调用画图包能实现图的可视化。如果需要详细了解库可以参照官方文档：
1.安装库
安装

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.

【使用networkx及matplotlib库实现社会网络分析及可视化】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，在库中，提供三种类型的图：简单无向图graph ，有向图，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.()
创建空的简单有向图
G=nx.()
创建空的多图
G=nx.()
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 nx

G = nx.Graph()

创建节点（)
这里的点可以是任意可区分的对象（），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
比如我们创建节点名为1和""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（）
删除节点和创建节点用法几乎相同，比如我们删除节点'' ，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.(1,2)
用包含元组的列表批量创建边
G.([(1,2),(2,3)]
将一个图的边赋予另一个图
G.(H)

G.add_edge(1,2)

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

删除边（)
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

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.库

import matplotlib.pyplot as plt

nx.draw_networkx(G)

plt.show()

文章插图
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()

文章插图
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()

文章插图
近期文章
代码不到40行的超燃动态排序图
如何使用预测下一次营销活动的效果
网络爬虫与文本数据分析
日期数据操作第1期库
日期数据操作第2期库
语法快速入门
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(à??'a?￡')à??怎么办？
&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
当遇上数据类型问题
如何理解中的函数
计算社会经济学
一行代码生成哑变量
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“”，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