复杂网络画图——基于python networkx 以及clique算法划分社区

2023-10-19 09:50

本文主要是介绍复杂网络画图——基于python networkx 以及clique算法划分社区,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言

本人因为研究(谈不上研究,就是借鉴大佬们的方法)的是这个方向,发现使用python的不是很多,而且有些比较模糊,本人就自己的理解,分析在学习这个途中遇到的一些问题以及解决的办法,希望对你们有帮助,码字不易,顺带点个赞呗~


author:xiao黄
缓慢而坚定的生长


安装networkx 这里就不过多讲述了,可以参考我的一篇博客。传送门

画无向图

import networkx as nx
import matplotlib.pyplot as plt# matplotlib中文支持
plt.rcParams['font.sans-serif'] = ['SimHei']  #aaaaa.py 步骤一(替换sans-serif字体)
plt.rcParams['axes.unicode_minus'] = False  # 步骤二(解决坐标轴负数的负号显示问题)G = nx.Graph([('李家春','吴雪梅'),('吴雪梅','占刚'),('李家春','周元康'),('李家春','杨桃月')])
nx.draw_networkx(G)
plt.show()

结果显示:
在这里插入图片描述
其中一些修改节点颜色、节点大小等操作可以参考我的一篇博文有讲到。传送门

clique算法简介

在社会网络中大多数人认为clique的本质含义是“最大的完全子图”(maximal complete sub-graph)。也就是说派系是这样的一个点的子集(sub-set),其中任何一对点都有一条直边相连接,并且该派系不被其他任何派系所包含。如下图所示,一个3-成员的派系有3条边,一个4-成员的派系有6条边,一个5-成员的派系有10条边,以此类推,一个n-成员的派系有n(n-1)/2条边。
在这里插入图片描述
如果两个k-clique之间存在k-1个共同的节点,那么就称这两个clique是“相邻”的。彼此相邻的这样一串clique构成最大集合,就可以称为一个社区(而且这样的社区是可以重叠的,即所谓的overlapping community,就是说有些节点可以同时属于多个社区)。下面第一组图表示两个3-clique形成了一个社区,第二组图是一个重叠社区的示意图。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

networkx中clique渗透算法接口如下

k_clique_communities(G, k, cliques=None)
Find k-clique communities in graph using the percolation method.A k-clique community is the union of all cliques of size k that can be reached through adjacent (sharing k-1 nodes) k-cliques.Parameters
G : NetworkX graphk : int Size of smallest cliquecliques: list or generator Precomputed cliques (use networkx.find_cliques(G))Returns
Yields sets of nodes, one for each k-clique community.

导入:

from networkx.algorithms.community import k_clique_communities

解决matplotlib中文不显示问题:

增加两行代码即可:

# matplotlib中文支持
plt.rcParams['font.sans-serif'] = ['SimHei']  #aaaaa.py 步骤一(替换sans-serif字体)
plt.rcParams['axes.unicode_minus'] = False  # 步骤二(解决坐标轴负数的负号显示问题)

划分社区

无权无向图为例
先上代码:

import csv
import timeimport matplotlib.pyplot as plt
import networkx as nx
import pandas as pd
from networkx.algorithms.community import k_clique_communities# matplotlib中文支持
plt.rcParams['font.sans-serif'] = ['SimHei']  #aaaaa.py 步骤一(替换sans-serif字体)
plt.rcParams['axes.unicode_minus'] = False  # 步骤二(解决坐标轴负数的负号显示问题)# 一个简单的找社区的方法
def find_community(graph,k):return list(k_clique_communities(graph,k))def read_csv(path):'''读取的是一个csv文件返回一个一一对应的二元组'''csv_reader = csv.reader(open(path, encoding='gbk'))x,y,z = [],[],[]for row in csv_reader:x.append(row[0]) # 作者ay.append(row[1]) # 作者bfor i in zip(x,y):z.append(i)return zpath = 'C:\\Users\\HKZ\\Desktop\\SN\\t-nodes.csv'
g = nx.Graph(read_csv(path))# 可选布局
fig,ax = plt.subplots(figsize=(8,6))
layout = [nx.shell_layout,nx.circular_layout,nx.fruchterman_reingold_layout,nx.circular_layout,nx.kamada_kawai_layout,nx.spring_layout]
# pos = layout[5](g) # 根据布局方式生成每个节点的位置坐标
# pos = spring_layout(g)
NodeId = list(g.nodes())
node_size = [g.degree(i)**1.2*90 for i in NodeId]
options = {'node_size': node_size,'line_color': 'grey','linewidths': 0.2,'width': 0.4,'node_color': node_size, # 节点的颜色,节点越大颜色越浅'font_color': 'b' # 字体颜色}
nx.draw(g, pos=nx.circular_layout(g), ax=ax, with_labels=True, **options)#pos=nx.spring_layout(G)这句给定了节点的布局为spring型,
#- circular_layout:节点在一个圆环上均匀分布 
#- random_layout:节点随机分布 
#- shell_layout:节点在同心圆上分布 
#- spring_layout: 用Fruchterman-Reingold算法排列节点(这个算法我不了解,样子类似多中心放射状)print ("图的节点数:%d" % g.number_of_nodes()) # 节点数
print ("图的边数:%d" % g.number_of_edges()) # 边数#调用kclique社区算法
for k in range(3,6):print ("############# k值: %d ################" % k)start_time = time.clock()rst_com = find_community(g,k)end_time = time.clock()print ("计算耗时(秒):%.3f" % (end_time-start_time))print ("生成的社区数:%d" % len(rst_com)) # 可以查看社区print(rst_com) # 查看社区 # 会有重叠 会有舍弃
plt.show()

结果显示图片:
在这里插入图片描述
当然可以根据自己想要的形状去调节,代码注释部分有。
社区划分结果:
在这里插入图片描述

参考的文章:

https://blog.csdn.net/a_step_further/article/details/51176977?locationNum=10&fps=1

这篇关于复杂网络画图——基于python networkx 以及clique算法划分社区的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/239009

相关文章

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指

利用Python调试串口的示例代码

《利用Python调试串口的示例代码》在嵌入式开发、物联网设备调试过程中,串口通信是最基础的调试手段本文将带你用Python+ttkbootstrap打造一款高颜值、多功能的串口调试助手,需要的可以了... 目录概述:为什么需要专业的串口调试工具项目架构设计1.1 技术栈选型1.2 关键类说明1.3 线程模

Python ZIP文件操作技巧详解

《PythonZIP文件操作技巧详解》在数据处理和系统开发中,ZIP文件操作是开发者必须掌握的核心技能,Python标准库提供的zipfile模块以简洁的API和跨平台特性,成为处理ZIP文件的首选... 目录一、ZIP文件操作基础三板斧1.1 创建压缩包1.2 解压操作1.3 文件遍历与信息获取二、进阶技

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模

Python正则表达式语法及re模块中的常用函数详解

《Python正则表达式语法及re模块中的常用函数详解》这篇文章主要给大家介绍了关于Python正则表达式语法及re模块中常用函数的相关资料,正则表达式是一种强大的字符串处理工具,可以用于匹配、切分、... 目录概念、作用和步骤语法re模块中的常用函数总结 概念、作用和步骤概念: 本身也是一个字符串,其中

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

python实现svg图片转换为png和gif

《python实现svg图片转换为png和gif》这篇文章主要为大家详细介绍了python如何实现将svg图片格式转换为png和gif,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录python实现svg图片转换为png和gifpython实现图片格式之间的相互转换延展:基于Py

Python中的getopt模块用法小结

《Python中的getopt模块用法小结》getopt.getopt()函数是Python中用于解析命令行参数的标准库函数,该函数可以从命令行中提取选项和参数,并对它们进行处理,本文详细介绍了Pyt... 目录getopt模块介绍getopt.getopt函数的介绍getopt模块的常用用法getopt模

Python利用ElementTree实现快速解析XML文件

《Python利用ElementTree实现快速解析XML文件》ElementTree是Python标准库的一部分,而且是Python标准库中用于解析和操作XML数据的模块,下面小编就来和大家详细讲讲... 目录一、XML文件解析到底有多重要二、ElementTree快速入门1. 加载XML的两种方式2.