Python 实现社会网络分析:多场景案例实战全解析

在大数据与新文科融合发展的当下，社会网络分析（SNA）成为衔接社会学、经济学、管理学与计算机技术的重要研究方法。它将现实世界中的个体、机构、地域等实体抽象为网络节点，把实体间的关联关系定义为网络边，结合数据挖掘、可视化技术挖掘网络结构、关联强度与运行规律。由邵鹏、李梦蕾主编的《社会网络分析方法与案例》是该领域的实用教材，书中原本依托 Excel VBA 完成案例实操，而本文结合 Python 语言对全书第 7 至 11 章共 13 个典型案例进行完整复现，覆盖文本、学术、商业、人才、经济贸易五大应用领域，完整展示从数据处理、网络搭建、指标统计到可视化输出的全流程，同时详解不同场景下社会网络分析的落地思路。

一、项目基础概况

本次案例复现项目依托通用 CPU 运行环境与 2025 版基础镜像开发，核心使用pandas完成数据读取与清洗，networkx搭建各类复杂网络，jieba实现中文文本分词，搭配matplotlib、plotly、seaborn等库完成多形式可视化。所有代码均适配 Excel 格式数据源，输出文件支持 Gephi、Cytoscape 等专业网络分析工具，兼顾教学学习与实际项目使用需求。

整套案例遵循标准化操作流程：Excel 数据读取→数据清洗（去空值、格式统一、文本预处理）→构建有向 / 无向加权网络→统计网络基础指标→可视化呈现→导出通用格式文件。根据业务逻辑不同，网络分为无向网络（双向平等关系）、有向网络（单向流向关系）、加权网络（以次数、强度为权重）三大类型，适配不同现实场景的关系特征。

二、关键词共现网络：挖掘文本背后的热点与关注点

关键词共现网络是文本分析的常用手段，核心逻辑为多个词汇在同一文本中共同出现，则建立节点连接，共现频次作为边的权重，广泛应用于学术热点研判、电商舆情分析、社交媒体热点监测等场景。本章共包含知网论文、电商评论、微博文本三个案例。

2.1 知网论文关键词共现网络

该案例以学术论文关键词为分析对象，数据源为 Excel 表格中逐行记录的单篇论文关键词，规则为提取每篇论文前 5 个关键词构建共现网络，以此梳理学科研究热点与词汇关联逻辑。

实操中首先读取表格数据，剔除空值后提取有效关键词，通过排列组合算法生成关键词两两配对关系，累计共现次数作为边权重。最终构建出包含 851 个关键词节点、1907 条关联边的无向加权网络。

关键词共现网络可视化图

从可视化结果可以清晰看到，“绿色消费” 等核心词汇处于网络中心位置，与周边词汇连接紧密，直观反映出该领域的核心研究方向。项目同时支持将网络导出为.gexf格式文件，可导入专业软件做深度拓扑分析。

2.2 商用评论关键词共现网络

本案例选取汉服产品电商评论作为数据源，面向商业场景挖掘消费者诉求。由于评论文本为自然语言，需要先完成分词、停用词过滤、词性筛选等预处理工作。

流程上先读取全部评论文本，利用jieba分词工具拆分语句，剔除虚词、单字等无效词汇，筛选名词、动词、形容词等有效词汇，统计所有词汇出现频次并选取排名前 50 的高频词。基于这 50 个词汇，统计其在单条评论中的共现关系，搭建共现网络，最终形成 50 个节点、1029 条边的网络结构，并导出边列表 CSV 文件。

Top50 关键词共现网络图

网络中 “面料”“款式”“做工”“尺码” 等词汇关联度极高，精准体现出消费者选购服饰时的核心关注点，能够为商家优化产品、调整运营策略提供数据支撑。

2.3 微博关键词共现网络

针对人民日报 “夜读” 板块微博文本开展分析，适用于舆情监测、社会情绪与公众关注点研究。微博文本存在 URL 链接、@用户、表情符号等冗余内容，因此预处理环节增加了文本清洗步骤。

代码实现中依次剔除链接、特殊符号、表情与空白字符，加载外部停用词表过滤无意义词汇，统计高频词后选取 Top50 词汇搭建共现网络。除传统静态可视化外，本案例使用pyecharts制作交互式网络图，支持页面缩放、节点悬浮查看详情，交互性更强。

微博关键词交互式共现网络图

从网络结构能看出，“夜读”“生活”“人生”“坚持” 等词汇居于核心，契合该板块内容定位，也反映出网友对生活感悟、自我成长类内容的关注。

三、合作联合网络：解析组织与团队协作模式

合作联合网络以主体共同参与同一事件作为建网依据，合作次数决定边的权重，主要用于分析学术团队、区域机构、内部部门的协作关系，包含论文合作、省际科技合作、医院科室会诊三个案例。

3.1 论文合作网络

基于知网论文作者数据构建学者合作网络，规则为提取单篇论文前 3 位作者，两位及以上作者共同署名即判定为存在合作关系。

读取作者名单表格后，逐行提取作者姓名，过滤单人论文数据，对多名作者进行两两组合并累计合作频次。最终得到 338 个作者节点、492 条合作边，同时计算出网络密度等基础指标。

作者合作网络核心区域可视化图

可视化采用优化布局算法，将联系紧密的核心团队聚集在网络中心，外围为独立学者或松散合作群体，清晰划分出领域内主流研究团队，为学术交流、团队合作提供参考。

3.2 省际科技成果合作网络

数据源为省份科技合作统计表，表格直接记录两两省份的合作次数，以此为权重搭建省际科技合作无向网络。

直接读取省份与合作次数数据，遍历表格完成节点与边的添加，最终网络包含 27 个省级行政区节点、161 条合作边。可视化时用节点大小代表省份合作广度（连接省份数量），边的宽度代表合作频次。

省际科技成果合作网络图

从图中可见，东部经济发达省份节点更大、连线更密集，是区域科技合作的核心枢纽，直观展现出国内科技资源的联动格局。

3.3 医院科室会诊网络

区别于前两个无向合作网络，本案例构建有向网络，贴合医院会诊的实际业务逻辑：以会诊科室为起点、申请会诊的科室为终点，箭头代表会诊流向。

读取申请科室与会诊科室两列数据，搭建有向图，最终形成 72 个科室节点、1989 条有向边。节点大小根据科室连接度数调整，度数越高代表该科室参与或发起的会诊越多。

医院科室会诊有向网络图

该网络可以帮助医院管理者识别高频协作科室，优化科室分工、调配医疗资源，提升整体诊疗效率。

四、上市公司网络：挖掘企业关联与竞争格局

商业领域的社会网络分析能够挖掘企业间隐性关联，本次包含连锁董事网络、发明专利竞争网络两大案例，分别对应企业合作圈层与技术竞争格局分析。

4.1 连锁董事网络

核心逻辑：若同一个高管 / 董事（以唯一人员 ID 区分）在多家上市公司任职，那么这些上市公司之间就存在连锁关联关系。

数据处理阶段先读取证券代码与人员 ID 数据，清理缺失值并统一 6 位证券代码格式；再建立 “人员 - 任职公司” 映射关系，对单人任职的多家公司两两配对生成关联边，去除重复关系后完成网络搭建。最终网络拥有 2560 家上市公司节点、4398 条关联边，同时导出企业关联 Excel 清单。

 上市公司连锁董事关系网络图 

该网络可用于分析资本市场中的企业圈层、商业联盟，辅助研判企业经营关联与战略布局。

4.2 发明专利竞争网络

以专利 IPC 小类（技术分类）为关联依据：两家企业拥有同一技术领域的专利，即判定为存在技术竞争关系，共享专利的数量越多，竞争关联强度越高。

读取上市公司证券代码与专利 IPC 分类数据，按技术领域分组，对同一领域内的企业两两建边，累计共享专利数作为边权重。最终得到 133 家企业节点、7563 条竞争边，导出包含竞争强度的边列表文件。

 上市公司专利竞争网络可视化图 

通过该网络可快速划分行业竞争梯队，梳理细分技术领域的竞争态势，为企业技术研发、市场战略制定提供依据。

五、人员流动网络：追踪人才与客流迁移轨迹

人员流动网络属于典型有向流动网络，节点为地域 / 景点，边代表流动方向，频次代表流动规模，涵盖科学家地域流动、旅游数字足迹等三类案例。

5.1 女青年科学家流动网络

基于科学家不同人生阶段的所在地数据，划分三类独立流动场景：求学流动（出生地→本科就读地）、就业流动（最高学历所在地→首次工作地）、职场流动（首次工作地→当前工作地）。

读取包含出生、本科、学历、工作等多阶段省份信息的表格，按三大流动关系分别构建有向加权网络，统计不同省份间的人才流动频次，三类网络分别生成对应数量的节点与流向边，并导出.gexf文件。

分层网络能够清晰展现人才在求学、就业、职场阶段的地域选择偏好，为各地人才引进、科教资源布局提供参考。

5.2 人工智能科学家流动冲击图

选取出生地、本科就读地、当前工作地三个核心阶段，将地域划分为东部、西部、中部、东北、境外五大区域，使用plotly绘制桑基图（冲击图），可视化人才跨区域的完整流动路径。

对各阶段区域名称添加标识区分节点，梳理相邻阶段的流动关系并统计人数，生成交互式桑基图，可导出 HTML 文件在浏览器中打开查看。

人工智能科学家区域流动冲击图

桑基图直观展示了 AI 人才的整体流动趋势，比如东部区域既是人才主要出生地，也是核心就业地，区域人才集聚效应显著。

5.3 旅游数字足迹网络

以西安旅游游记和景点清单为数据源，规则为两个景点在同一篇游记中出现，即产生共现关联，用于分析游客游览偏好与经典旅游线路。

分别读取游记文本与景点名称列表，逐篇检索游记中出现的景点，统计景点两两共现次数，最终生成景点邻接矩阵、权重矩阵、景点频次表三类数据文件。本次共纳入 20 个景点，矩阵数据清晰量化了景点之间的联动关系。

旅游景点共现权重矩阵热力图

从数据与可视化结果可知，兵马俑、城墙、大雁塔等高频景点相互共现概率高，是游客首选的组合游览线路，可为景区规划、旅游路线设计提供数据支撑。

六、经济贸易网络：分析区域联动与国际贸易格局

经济贸易类网络结合地理数据、引力模型等专业方法，分析城市经济关联、全球贸易流向，包含黄河流域城市空间关联网络、镍及其制品贸易网络两个案例。

6.1 黄河流域城市空间关联网络

采用引力模型计算城市间关联强度，计算公式：城市关联强度 =（城市 A 产业韧性 × 城市 B 产业韧性）÷ 两城市直线距离的平方。关联强度越高，代表两座城市经济联动性越强。

数据源分为两张表格：其一为各城市产业韧性指标，其二为城市间距离矩阵。匹配城市名称后，遍历所有城市对计算关联强度，生成完整关联矩阵，并利用热力图展示城市间关联强弱，同时导出矩阵与边列表 Excel 文件。本次分析覆盖 82 座黄河流域城市。

热力图中颜色越深代表关联强度越高，可据此划分经济联动组团，助力黄河流域城市协同发展规划。

6.2 镍及其制品贸易网络

融合贸易数据与地理经纬度数据构建国际贸易有向网络，创新采用经纬度定位节点位置，实现 “地理实景式” 网络布局。

读取出口国、进口国、贸易额组成的贸易表，以及国家名称、经纬度的地理表，匹配数据后搭建有向网络：节点为各个国家，箭头代表贸易进出口方向，边的宽度与颜色通过对数缩放映射贸易额大小，节点大小代表该国贸易往来频次。最终网络包含 89 个国家节点、290 条贸易边。

全球贸易网络图

该网络直观呈现出全球镍产品的主要出口国、进口国以及核心贸易通道，清晰反映国际贸易格局与区域贸易特征。

七、总结与技术复盘

本次 13 个案例完整覆盖社会网络分析主流应用场景，借助 Python 工具实现了从基础文本分析到复杂经济网络建模的全维度实操，充分体现出 Python 在数据处理、可视化、兼容性上的优势。

从技术层面来看，整套案例实现了无向、有向、加权三大网络类型的全覆盖，搭配静态图、交互式图表、热力图、地理布局网络图、桑基图等多样化可视化形式，同时建立了标准化的数据预处理体系，文本清洗、格式统一、分词过滤等代码模块可直接复用。所有输出文件兼容主流专业分析软件，兼顾代码实操与专业研究需求。

从应用价值而言，这套实战案例既可作为高校管理学、经济学、大数据专业的教学实训内容，弥补传统 VBA 实操的局限性；也能为行业从业者提供参考，应用于学术热点分析、电商舆情、医院管理、企业竞争、旅游规划、区域经济、国际贸易等多个领域。

社会网络分析作为连接数据与现实社会关系的桥梁，在数字时代的应用场景还在不断拓展。本次 Python 案例复现，为零基础学习者提供了清晰的实操路径，也为行业研究人员提供了可落地的技术模板，推动社会网络分析方法在更多领域落地生根。