# -*- coding: utf-8 -*-# @Author : 小红牛# 微信公众号：wdPythonimport networkx as nximport matplotlib.pyplot as pltimport matplotlibfrom matplotlib import font_managerimport numpy as np# 设置中文字体plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'DejaVu Sans']plt.rcParams['axes.unicode_minus'] = False# 创建社交网络图G = nx.Graph()# 定义核心人物（节点）core_characters = {    '杨过': {'role': '主角', 'importance': 10, 'color': 'red'},    '小龙女': {'role': '主角', 'importance': 10, 'color': 'pink'},    '郭靖': {'role': '大侠', 'importance': 9, 'color': 'darkgreen'},    '黄蓉': {'role': '帮主', 'importance': 9, 'color': 'orange'},    '郭芙': {'role': '郭靖之女', 'importance': 7, 'color': 'lightcoral'},    '郭襄': {'role': '郭靖之女', 'importance': 8, 'color': 'violet'},    '金轮法王': {'role': '反派', 'importance': 8, 'color': 'purple'},    '李莫愁': {'role': '反派', 'importance': 7, 'color': 'darkred'},    '陆无双': {'role': '杨过义妹', 'importance': 6, 'color': 'lightblue'},    '程英': {'role': '杨过义妹', 'importance': 6, 'color': 'lightgreen'},    '公孙止': {'role': '反派', 'importance': 6, 'color': 'brown'},    '裘千尺': {'role': '反派', 'importance': 6, 'color': 'gray'},    '周伯通': {'role': '前辈', 'importance': 7, 'color': 'cyan'},    '黄药师': {'role': '前辈', 'importance': 8, 'color': 'darkblue'},    '欧阳锋': {'role': '反派前辈', 'importance': 8, 'color': 'maroon'},    '洪七公': {'role': '前辈', 'importance': 8, 'color': 'gold'},    '一灯大师': {'role': '前辈', 'importance': 7, 'color': 'lightyellow'}}# 添加节点for char, attrs in core_characters.items():    G.add_node(char, **attrs)# 定义关系（边）和关系强度relationships = [    # 亲情关系    ('杨过', '小龙女', {'relation': '夫妻', 'strength': 10, 'color': 'red'}),    ('郭靖', '黄蓉', {'relation': '夫妻', 'strength': 10, 'color': 'red'}),    ('郭靖', '郭芙', {'relation': '父女', 'strength': 9, 'color': 'orange'}),    ('黄蓉', '郭芙', {'relation': '母女', 'strength': 9, 'color': 'orange'}),    ('郭靖', '郭襄', {'relation': '父女', 'strength': 8, 'color': 'orange'}),    ('黄蓉', '郭襄', {'relation': '母女', 'strength': 8, 'color': 'orange'}),    # 师徒关系    ('郭靖', '杨过', {'relation': '伯侄/师徒', 'strength': 8, 'color': 'green'}),    ('小龙女', '杨过', {'relation': '师徒', 'strength': 9, 'color': 'blue'}),    ('欧阳锋', '杨过', {'relation': '义父子/师徒', 'strength': 8, 'color': 'blue'}),    ('洪七公', '郭靖', {'relation': '师徒', 'strength': 9, 'color': 'blue'}),    ('黄药师', '黄蓉', {'relation': '父女/师徒', 'strength': 9, 'color': 'blue'}),    # 朋友/义兄妹关系    ('杨过', '陆无双', {'relation': '义兄妹', 'strength': 7, 'color': 'purple'}),    ('杨过', '程英', {'relation': '义兄妹', 'strength': 7, 'color': 'purple'}),    ('郭靖', '周伯通', {'relation': '结义兄弟', 'strength': 8, 'color': 'cyan'}),    ('郭襄', '杨过', {'relation': '敬慕', 'strength': 7, 'color': 'violet'}),    # 敌对关系    ('杨过', '金轮法王', {'relation': '敌对', 'strength': 8, 'color': 'black'}),    ('郭靖', '金轮法王', {'relation': '敌对', 'strength': 8, 'color': 'black'}),    ('小龙女', '李莫愁', {'relation': '师姐妹/敌对', 'strength': 7, 'color': 'black'}),    ('杨过', '李莫愁', {'relation': '敌对', 'strength': 6, 'color': 'black'}),    ('公孙止', '小龙女', {'relation': '敌对/逼婚', 'strength': 6, 'color': 'black'}),    ('公孙止', '裘千尺', {'relation': '夫妻/仇敌', 'strength': 9, 'color': 'darkred'}),    # 其他重要关系    ('黄药师', '杨过', {'relation': '忘年交', 'strength': 7, 'color': 'green'}),    ('周伯通', '小龙女', {'relation': '朋友', 'strength': 5, 'color': 'green'}),    ('一灯大师', '周伯通', {'relation': '朋友', 'strength': 6, 'color': 'green'}),    ('洪七公', '欧阳锋', {'relation': '宿敌/挚友', 'strength': 9, 'color': 'brown'}),    # 新增的师徒关系    ('小龙女', '李莫愁', {'relation': '师姐妹', 'strength': 6, 'color': 'darkblue'}),    ('黄药师', '程英', {'relation': '师徒', 'strength': 7, 'color': 'blue'}),    ('杨过', '郭芙', {'relation': '世交/矛盾', 'strength': 5, 'color': 'gray'}),]# 添加边for source, target, attrs in relationships:    G.add_edge(source, target, **attrs)# 1. 基础社交网络图def plot_basic_network():    plt.figure(figsize=(14, 10))    # 使用spring布局    pos = nx.spring_layout(G, k=2, seed=42)    # 根据角色类型设置节点颜色    node_colors = [core_characters[node]['color'] for node in G.nodes()]    node_sizes = [core_characters[node]['importance'] * 300 for node in G.nodes()]    # 根据关系类型设置边颜色    edge_colors = [G[u][v]['color'] for u, v in G.edges()]    edge_widths = [G[u][v]['strength'] * 0.5 for u, v in G.edges()]    # 绘制网络    nx.draw_networkx_nodes(G, pos, node_color=node_colors, node_size=node_sizes, alpha=0.9)    nx.draw_networkx_edges(G, pos, edge_color=edge_colors, width=edge_widths, alpha=0.7, style='solid')    nx.draw_networkx_labels(G, pos, font_size=10, font_weight='bold')    plt.title("《神雕侠侣》核心人物社交关系网络", fontsize=16, fontweight='bold')    plt.axis('off')    plt.tight_layout()    plt.show()# 2. 带关系标签的社交网络图def plot_network_with_labels():    plt.figure(figsize=(16, 12))    # 使用不同的布局算法    pos = nx.kamada_kawai_layout(G)    # 绘制节点    node_colors = [core_characters[node]['color'] for node in G.nodes()]    node_sizes = [core_characters[node]['importance'] * 400 for node in G.nodes()]    nx.draw_networkx_nodes(G, pos, node_color=node_colors,                           node_size=node_sizes, alpha=0.9, edgecolors='black', linewidths=2)    # 绘制边    for u, v, data in G.edges(data=True):        nx.draw_networkx_edges(G, pos, edgelist=[(u, v)],                               width=data['strength']*0.6,                               edge_color=data['color'],                               alpha=0.7,                               style='dashed' if data['relation'] in ['敌对', '仇敌'] else 'solid')    # 添加节点标签    nx.draw_networkx_labels(G, pos, font_size=11, font_weight='bold')    # 添加关系标签    edge_labels = {(u, v): data['relation'] for u, v, data in G.edges(data=True)}    nx.draw_networkx_edge_labels(G, pos, edge_labels=edge_labels,                                 font_size=8, font_color='darkblue', alpha=0.8)    plt.title("《神雕侠侣》人物关系图（带关系类型）", fontsize=18, fontweight='bold', pad=20)    plt.axis('off')    plt.tight_layout()    plt.show()# 3. 以杨过为中心的社交网络def plot_yangguo_centered():    plt.figure(figsize=(14, 10))    # 创建以杨过为中心的星型布局    center_node = '杨过'    pos = {}    # 将杨过放在中心    pos[center_node] = np.array([0, 0])    # 将与杨过直接相连的节点放在周围    neighbors = list(G.neighbors(center_node))    angles = np.linspace(0, 2*np.pi, len(neighbors), endpoint=False)    radius = 2    for i, node in enumerate(neighbors):        pos[node] = np.array([radius * np.cos(angles[i]), radius * np.sin(angles[i])])    # 为其他节点添加位置（使用弹簧布局调整）    other_nodes = [n for n in G.nodes() if n not in pos]    if other_nodes:        subgraph = G.subgraph(other_nodes)        pos_other = nx.spring_layout(subgraph, center=[3, 0], seed=42)        pos.update(pos_other)    # 绘制    node_colors = [core_characters[node]['color'] for node in G.nodes()]    node_sizes = [core_characters[node]['importance'] * 300 for node in G.nodes()]    # 突出显示杨过    node_colors[list(G.nodes()).index('杨过')] = 'crimson'    node_sizes[list(G.nodes()).index('杨过')] = 4000    nx.draw_networkx_nodes(G, pos, node_color=node_colors, node_size=node_sizes, alpha=0.9)    # 绘制所有边    nx.draw_networkx_edges(G, pos, alpha=0.6, width=1.5)    # 突出显示与杨过相连的边    yangguo_edges = [(center_node, neighbor) for neighbor in neighbors]    nx.draw_networkx_edges(G, pos, edgelist=yangguo_edges,                           edge_color='red', width=3, alpha=0.8)    nx.draw_networkx_labels(G, pos, font_size=10, font_weight='bold')    plt.title("以杨过为中心的人物关系网络", fontsize=16, fontweight='bold')    plt.axis('off')    plt.tight_layout()    plt.show()# 4. 分析网络属性def analyze_network_properties():    print("="*60)    print("《神雕侠侣》社交网络分析报告")    print("="*60)    # 基本统计    print(f"1. 网络基本信息:")    print(f"   节点数（人物）: {G.number_of_nodes()}")    print(f"   边数（关系）: {G.number_of_edges()}")    # 度中心性（谁的关系最多）    degree_centrality = nx.degree_centrality(G)    top_5_degree = sorted(degree_centrality.items(), key=lambda x: x[1], reverse=True)[:5]    print(f"\n2. 度中心性排名（连接关系最多的角色）:")    for char, centrality in top_5_degree:        print(f"   {char}: {centrality:.3f}")    # 中介中心性（谁是最重要的桥梁）    betweenness_centrality = nx.betweenness_centrality(G)    top_5_between = sorted(betweenness_centrality.items(), key=lambda x: x[1], reverse=True)[:5]    print(f"\n3. 中介中心性排名（最重要的桥梁角色）:")    for char, centrality in top_5_between:        print(f"   {char}: {centrality:.3f}")    # 紧密中心性（谁与所有人最接近）    closeness_centrality = nx.closeness_centrality(G)    top_5_close = sorted(closeness_centrality.items(), key=lambda x: x[1], reverse=True)[:5]    print(f"\n4. 紧密中心性排名（与所有人最接近的角色）:")    for char, centrality in top_5_close:        print(f"   {char}: {centrality:.3f}")    # 社区检测（人物分组）    try:        from networkx.algorithms.community import greedy_modularity_communities        communities = list(greedy_modularity_communities(G))        print(f"\n5. 社区检测结果（人物自然分组）:")        for i, community in enumerate(communities):            print(f"   第{i+1}组 ({len(community)}人): {', '.join(sorted(community))}")    except:        print("\n5. 社区检测: 需要安装python-louvain包")    # 杨过的直接关系    yangguo_neighbors = list(G.neighbors('杨过'))    print(f"\n6. 杨过的直接社会关系 ({len(yangguo_neighbors)}人):")    print(f"   {', '.join(yangguo_neighbors)}")    # 寻找关键路径    print(f"\n7. 关键人物关系路径:")    paths = [        ('郭靖', '杨过'),        ('小龙女', '李莫愁'),        ('黄药师', '欧阳锋'),    ]    for start, end in paths:        try:            path = nx.shortest_path(G, start, end)            print(f"   {start} → {end}: {' → '.join(path)}")        except:            print(f"   {start} 和 {end} 之间没有路径")# 5. 可视化网络指标def plot_network_metrics():    fig, axes = plt.subplots(2, 2, figsize=(15, 12))    axes = axes.flatten()    # 1. 度分布    degrees = [d for n, d in G.degree()]    ax1 = axes[0]    ax1.hist(degrees, bins=10, alpha=0.7, color='skyblue', edgecolor='black')    ax1.set_title('节点度分布', fontsize=14, fontweight='bold')    ax1.set_xlabel('度（连接数）')    ax1.set_ylabel('频数')    ax1.grid(True, alpha=0.3)    # 2. 节点重要性（根据度中心性）    ax2 = axes[1]    degree_centrality = nx.degree_centrality(G)    chars = list(degree_centrality.keys())    values = list(degree_centrality.values())    # 取前10个角色    top_10_idx = np.argsort(values)[-10:][::-1]    top_10_chars = [chars[i] for i in top_10_idx]    top_10_values = [values[i] for i in top_10_idx]    bars = ax2.barh(top_10_chars, top_10_values, color='lightcoral')    ax2.set_title('度中心性TOP10', fontsize=14, fontweight='bold')    ax2.set_xlabel('度中心性')    ax2.invert_yaxis()    # 3. 网络聚类系数分布    ax3 = axes[2]    clustering = nx.clustering(G)    chars = list(clustering.keys())    values = list(clustering.values())    # 取前10个角色    top_10_idx = np.argsort(values)[-10:][::-1]    top_10_chars = [chars[i] for i in top_10_idx]    top_10_values = [values[i] for i in top_10_idx]    bars = ax3.bar(top_10_chars, top_10_values, color='lightgreen')    ax3.set_title('聚类系数TOP10', fontsize=14, fontweight='bold')    ax3.set_xlabel('角色')    ax3.set_ylabel('聚类系数')    ax3.tick_params(axis='x', rotation=45)    # 4. 角色类型分布    ax4 = axes[3]    role_types = {}    for char, attrs in core_characters.items():        role = attrs['role']        role_types[role] = role_types.get(role, 0) + 1    colors = plt.cm.Set3(np.linspace(0, 1, len(role_types)))    ax4.pie(role_types.values(), labels=role_types.keys(), autopct='%1.1f%%',            colors=colors, startangle=90)    ax4.set_title('角色类型分布', fontsize=14, fontweight='bold')    plt.suptitle('《神雕侠侣》社交网络分析指标', fontsize=16, fontweight='bold')    plt.tight_layout()    plt.show()# 执行所有可视化if __name__ == "__main__":    print("正在生成《神雕侠侣》社交网络分析...")    # 分析网络属性    analyze_network_properties()    # 绘制各种图表    plot_basic_network()    plot_network_with_labels()    plot_yangguo_centered()    plot_network_metrics()    print("\n分析完成！")