社交网络之图论实战
- 2019 年 10 月 5 日
- 笔记
社交网络之图论实战
0.前言1.准备工作2.学习方法3.社交网络实战4.问题处理5.作者的话
0.前言
又到了新的一周，今天来学点新的知识，这节学的知识还是非常重要，那就是属于社交网络方向以及知识图谱方向以及我们研究生的一门课—《图论》！
本节将从我的学习方式到英文文档如何学习以及如何处理问题，以及如何去研究社交网络及图论等角度来分析！
下面一起来学习新知识吧，记得打开你的python哦，哈哈，就是一篇python实战篇！
1.准备工作
本节以python-igraph来学习社交网络与图论相关知识！
【两个网站】
那么我们一起来安装一下，这里引入两个网站。
第一：(whl)包安装网站:
https://www.lfd.uci.edu/~gohlke/pythonlibs/
第一：igraph API官网:
http://igraph.org/python/doc/tutorial/tutorial.html#structural-properties-of-graphs
【安装包】
在第一个网站搜索Python-igraph，然后找到相应的版本下载即可。
最后pip install xxx.whl即可完成安装！
2.学习方法
【学习方法】
之前有人在交流群或者私下问我学习的方式，那么我现在告诉各位我的学习方法之一就是阅读官网API，我看了一下这个官网API，很详细，虽然是英文的，但是对于英文我们总不能躲避，而是顺其意，码其码！
在阅读中，我们可以学到一些API术语，以及相关操作的表达，这些在平时开发中学不到，但是却对于平时开发的异常处理十分重要！比如写了一个bug，报了个错，有些API中会把这些作为警告表示出来，你看到了，也就学会了，在出现这些问题的时候，直接查问题即可，而不是盲目的不知所措，虽然说搜索很重要，但比搜索更重要的是你的思路，也就是先导！
【正确阅读】
这里贴出一张图，我们看到这个API，会发现上面是描述，下面是代码。
我的学习方式是对比法，就是将上述英文与代码对比来实战！先看一下代码如果能看懂，则直接简化上述的文字，略读即可！如果碰到十分重要的代码，则从文字中提取信息对比代码来看！实在不行，谷歌或者其他的翻译手段进行翻译！
【什么值得读】
有些API非常建议读，比如这个，但是并不是所有的API具有可读性，像那种排版很差，解释性不强的，直接略过即可！
API分类明确，详细阐述的，可读！
3.社交网络实战
导包
from igraph import *
版本
igraph.__version__
'0.7.1'
创建图
# 创建图 g=Graph() g
输出：
<igraph.Graph at 0x21d1237a138>
另一种打印
print(g)
输出：
IGRAPH U--- 0 0 --
添加三个节点
# 添加三个节点 g.add_vertices(3)
打印
print(g)
输出：
IGRAPH U--- 3 0 --
添加两条边
#添加两条边 g.add_edges([(1,2),(0,1)])
添加三个节点
# 生成3个节点，2条边 print(g)
输出：
IGRAPH U--- 3 2 -- + edges: 1--2 0--1
再添加三个节点
# 再添加三个节点 g.add_vertices(3) print(g)
输出：
IGRAPH U--- 6 2 -- + edges: 1--2 0--1
添加更多关系
# 添加更多关系 g.add_edges([(2,3),(3,4),(4,5),(5,3)])
6个节点，6条边的无向图
# 6个节点，6条边的无向图 print(g)
输出：
IGRAPH U--- 6 6 -- + edges: 1--2 0--1 2--3 3--4 4--5 3--5
获取边id
g.get_eid(1,2)
输出：
0
同理获取边id
g.get_eid(0,1)
输出：
1
获取边列表
g.get_edgelist()
输出：
[(1, 2), (0, 1), (2, 3), (3, 4), (4, 5), (3, 5)]
获取图的顶点与边
summary(g)
输出：
IGRAPH U--- 6 6 --
树生成边与顶点
# 生成127个顶点，126条边，2代表每个顶点两个孩子 g2=Graph.Tree(127,2) print(g2)
输出：
IGRAPH U--- 127 126 -- + edges: 0--1 0--2 1--3 1--4 2--5 2--6 3--7 3--8 4--9 4--10 5--11 5--12 6--13 6--14 7--15 7--16 8--17 8--18 9--19 9--20 10--21 10--22 11--23 11--24 12--25 12--26 ... ... ...
随机生成图
#随机生成图 g = Graph.GRG(100, 0.2) print(g)
输出：
IGRAPH U--- 100 597 -- + attr: x (v), y (v) + edges: 0 -- 3 5 6 9 11 1 -- 3 8 10 16 2 -- 5 6 13 ... ...
检查两图是否同构
#检查两图是否同构 #g.isomorphic(g2)
生成一个完整无向图
g = Graph([(0,1), (0,2), (2,3), (3,4), (4,2), (2,5), (5,0), (6,3), (5,6)]) print(g)
输出：
IGRAPH U--- 7 9 -- + edges: 0 -- 1 2 5 2 -- 0 3 4 5 4 -- 2 3 6 -- 3 5 1 -- 0 3 -- 2 4 6 5 -- 0 2 6
查看顶点
g.vs
输出：
<igraph.VertexSeq at 0x21d123a08b8>
顶点属性定义
g.vs["name"] = ["Alice", "Bob", "Claire", "Dennis", "Esther", "Frank", "George"] print(g)
输出：
IGRAPH UN-- 7 9 -- + attr: name (v) + edges (vertex names): Alice -- Bob, Claire, Frank Esther -- Claire, Dennis Bob -- Alice Frank -- Alice, Claire, George Claire -- Alice, Dennis, Esther, Frank George -- Dennis, Frank Dennis -- Claire, Esther, George
另一属性定义：
g.vs["age"] = [25, 31, 18, 47, 22, 23, 50] print(g)
输出：
IGRAPH UN-- 7 9 -- + attr: age (v), name (v) + edges (vertex names): Alice -- Bob, Claire, Frank Esther -- Claire, Dennis Bob -- Alice Frank -- Alice, Claire, George Claire -- Alice, Dennis, Esther, Frank George -- Dennis, Frank Dennis -- Claire, Esther, George
另一属性定义
g.vs["gender"] = ["f", "m", "f", "m", "f", "m", "m"] print(g)
输出：
IGRAPH UN-- 7 9 -- + attr: age (v), gender (v), name (v) + edges (vertex names): Alice -- Bob, Claire, Frank Esther -- Claire, Dennis Bob -- Alice Frank -- Alice, Claire, George Claire -- Alice, Dennis, Esther, Frank George -- Dennis, Frank Dennis -- Claire, Esther, George
边属性定义
g.es["is_formal"] = [False, False, True, True, True, False, True, False, False] print(g)
输出：
IGRAPH UN-- 7 9 -- + attr: age (v), gender (v), name (v), is_formal (e) + edges (vertex names): Alice -- Bob, Claire, Frank Esther -- Claire, Dennis Bob -- Alice Frank -- Alice, Claire, George Claire -- Alice, Dennis, Esther, Frank George -- Dennis, Frank Dennis -- Claire, Esther, George
边属性获取
g.es[0]
输出：
igraph.Edge(<igraph.Graph object at 0x0000021D1237A408>, 0, {'is_formal': False})
属性获取
g.es[0].attributes()
输出：
{'is_formal': False}
属性深入获取
g.es[0]["is_formal"]
输出：
False
修改属性值
g.es[0]["is_formal"]=True g.es[0].attributes()
输出：
{'is_formal': True}
顶点属性获取
g.vs[0] 输出：igraph.Vertex(<igraph.Graph object at 0x0000021D1237A408>, 0, {'name': 'Alice', 'age': 25, 'gender': 'f'}) g.vs[0].attributes() 输出：{'age': 25, 'gender': 'f', 'name': 'Alice'} g.vs[0]['age']=0 g.vs[0].attributes() 输出：{'age': 0, 'gender': 'f', 'name': 'Alice'} g.vs[0]['age']=25 g.vs[0].attributes() 输出：{'age': 25, 'gender': 'f', 'name': 'Alice'}
添加新顶点属性
g.vs[3]["foo"]="bar" g.vs["foo"]
输出：
[None, None, None, 'bar', None, None, None]
删除顶点属性
del g.vs["foo"]
验证是否存在
g.vs["foo"]
输出：
--------------------------------------------------------------------------- KeyError Traceback (most recent call last) <ipython-input-151-a2e2f8e7cb08> in <module>() ----> 1 g.vs["foo"] KeyError: 'Attribute does not exist'
顶点度
g.degree()
输出：
[3, 1, 4, 3, 2, 3, 2]
入度与出度
# mode instead type g.degree(mode="in") 输出：[3, 1, 4, 3, 2, 3, 2] g.degree(mode="out") 输出：[3, 1, 4, 3, 2, 3, 2]
获取度
g.degree([2,3,4])
输出：
[4, 3, 2]
边缘中介
# 边缘中介 g.edge_betweenness()
输出：
[6.0, 6.0, 4.0, 2.0, 4.0, 3.0, 4.0, 3.0, 4.0]
获取最大边缘中介边
[g.es[idx].tuple for idx, eb in enumerate(ebs) if eb == max_eb]
输出：
[(0, 1), (0, 2)]
顶点度
g.vs.degree()
输出：
[3, 1, 4, 3, 2, 3, 2]
查询
#查询 g.vs.select(_degree = g.maxdegree())["name"] 输出：['Claire']
布局绘图
下面两个等价
layout = g.layout_kamada_kawai() layout = g.layout("kamada_kawai")
完整绘图
layout = g.layout("kk") plot(g, layout = layout)
输出：
绘图配置
g.vs["label"] = g.vs["name"] color_dict = {"m": "green", "f": "pink"} g.vs["color"] = [color_dict[gender] for gender in g.vs["gender"]] plot(g, layout = layout, bbox = (300, 300), margin = 30)
输出：
自定义绘图
visual_style = {} visual_style["vertex_size"] = 20 visual_style["vertex_color"] = [color_dict[gender] for gender in g.vs["gender"]] visual_style["vertex_label"] = g.vs["name"] visual_style["edge_width"] = [1 + 2 * int(is_formal) for is_formal in g.es["is_formal"]] visual_style["layout"] = layout visual_style["bbox"] = (300, 300) visual_style["margin"] = 20 plot(g, **visual_style)
输出：
绘图存储
plot(g, "social_network.png", **visual_style)
输出：
4.问题处理
在plot时报错！
解决办法：
首先安装cairo，在我上面写到的whl中查找这个包，然后安装，安装后按照下面图片找到包的位置，在官网给出的地址处下载下面第三点的相关dll文件，并放置包位置即可！(下面给出地址)
http://igraph.org/python/doc/tutorial/install.html#installing-igraph
