from igraph import graph as igraph
defloaddata
(filename):
datamat =
with open(filename) as f:
for i in f.readlines():
t = i.strip().split(',')
u, v = [k for k in t]
return datamat
vexwigh = loaddata("/users/tangweize/desktop/net.data")
#igraph.tuplelist 首先傳入的邊是元組列表型別， 還要確認是否為有向圖，其次給節點名字起乙個鍵名
g = igraph.tuplelist(vexwigh, directed=false, weights=false, vertex_name_attr='name', edge_attrs=none)
#g.vs vex 定點之間的關係
for i in g.vs:
print(i['name'])
print(i.degree())
#邊元組的形式展現出來
for p in g.es:
print(p.tuple)
#1到所有定點的最短路徑
paths = g.get_shortest_paths("1")
#1 --- >4 最短路徑長度
print("7到1的最短路徑 為", g.shortest_paths("1", "4"))
names = g.vs['name']
for i in paths:
print([names[x] for x in i])
g.vcount() #節點的個數
#print(g.community_edge_betweenness(directed=false))
#print(g.edge_betweenness())
「社交網路」分析
模組化 圖形化實戰 總結最近國產的一部電視劇集 人民的名義 突然的就火了，隨之而來的是各大coder們的社交網路分析。針對劇本中出現的人名，事件，詞頻等以圖形化的介面展示，清晰化的顯示出了劇本的特色。而對於csdn的關注人和粉絲的圖形化展示，也恰好符合這乙個主題 暫且這麼認為吧 本來想做的是公共粉絲...
社交網路分析 SNAP
原文 sna的工作 1 對目標社會群體，如公司內乙個小組，建立知識網路。網路的節點就是社會群體中的每個人，而邊就是乙個人擁有的對於另乙個人有用的知識。2 找出並分析社會網路中影響力大的人 3 找出並分析游離於社會網路之外的人，可能是沒有充分利用知識傳播的結果。4 分析社會網路中的四個要素 know,...
社交網路演算法 分析指標
社交網路演算法 分析指標 度import csv 緊密中心性 closeness centrality 某個節點到達其他節點的難易程度,也就是其他所有結點距離的平均值的倒數 介數中心性 betweenness centrality 點介數sp target 7 for v in g.vs print...