Python人物社交网络分析—平凡的世界

import os# 打开文本file_text = open('world1.txt')file_name = open('name.txt')# 人物信息names = []for name in file_name:    names.append(name.replace('\n', ''))# 文本信息content = []for line in file_text:    content.append(line)# 生成下标flags = [x * 0for x in range(len(names))]# 生成人物联系for a in range(len(names)):    flags[a] = 1    name_1 = names[a]for b in range(len(names)):if flags[b] == 0:            name_2 = names[b]# 为三个字符时,取名字if len(name_1) == 3:                name_1 = name_1[1:]if len(name_2) == 3:                name_2 = name_2[1:]# 遍历章节及段落            num1, num2 = 0, 0for i in os.listdir('F:\\Python\\Ordinary_world_1'):                worldFile = open('F:\\Python\\Ordinary_world_1\\' + i)                worldContent = worldFile.read()if (name_1 in worldContent) and (name_2 in worldContent):                    num1 += 1else:continuefor j in content:if (name_1 in j) and (name_2 in j):                    num2 += 1else:continue            print(names[a], names[b], num1, num2)# 写入文件中with open('weight.csv', 'a+') as f:                f.write(names[a] + ',' + names[b] + ',' + str(num1) + ',' + str(num2) + '\n')            f.close()

import pandas as pdimport networkx as nximport matplotlib.pyplot as plt# 显示中文,及字体设置plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']plt.rcParams['font.size'] = 10plt.rcParams['axes.unicode_minus'] = False# 读取文件df = pd.read_csv('weight.csv', header=None, names=['First', 'Second', 'chapweight', 'duanweight'], encoding='gbk')print(df.head())# 计算段落人物关系权重df['weight'] = df.chapweight / 162# 获取联系大于4的数据,重新生成索引df2 = df[df.weight > 0.025].reset_index(drop=True)plt.figure(figsize=(12, 12))# 生成社交网络图G = nx.Graph()# 添加边for ii in df2.index:    G.add_edge(df2.First[ii], df2.Second[ii], weight=df2.weight[ii])# 定义3种边,大于32,16-32,小于16elarge = [(u, v) for (u, v, d) in G.edges(data=True) if (d['weight'] > 0.2)]emidle = [(u, v) for (u, v, d) in G.edges(data=True) if (d['weight'] > 0.1) & (d['weight'] <= 0.2)]esmall = [(u, v) for (u, v, d) in G.edges(data=True) if (d['weight'] <= 0.1)]# 图的布局# 节点在一个圆环上均匀分布pos = nx.circular_layout(G)# 点nx.draw_networkx_nodes(G, pos, alpha=0.6, node_size=350)# 边nx.draw_networkx_edges(G, pos, edgelist=elarge, width=2, alpha=0.9, edge_color='g')nx.draw_networkx_edges(G, pos, edgelist=esmall, width=1, alpha=0.3, edge_color='b', style='dashed')# 标签nx.draw_networkx_labels(G, pos, font_size=10)# 生成结果plt.axis('off')plt.title('平凡的世界')plt.show()

# 计算每个节点的重要程度Gdegree = nx.degree(G)Gdegree = dict(Gdegree)Gdegree = pd.DataFrame({'name': list(Gdegree.keys()), 'degree': list(Gdegree.values())})# 第一张图,所有人物#Gdegree.sort_values(by='degree', ascending=False).plot(x='name', y='degree', kind='bar', color=(136/255, 43/255, 48/255), figsize=(12, 6), legend=False)# 第二张图,前20人物Gdegree.sort_values(by='degree', ascending=True)[-20:].plot(x='name', y='degree', kind='barh', color=(16/255, 152/255, 168/255), figsize=(12, 6), legend=False)plt.xticks(size=8)# 第一张图标签# plt.ylabel('degree')# 第二张图标签plt.ylabel('name')plt.show()