计算社会学课程 Project

课堂作业：对班里同学之间的社交关系进行分析

使用的软件

Gephi 是一款网络分析领域的数据可视化软件

官方网站 - Gephi

流程

数据处理与导入

仅单纯导入了班级内各同学之间认识的关系，并没有将个人其他信息加入

简单拉出关系表转换为.csv

使用 python 建立节点表格与边表格，方便导入 Gephi 软件。

报告

导入时初始网络图

使用的布局方式：Force Atlas，斥力强度 200.0

依据节点的度对节点上色与改变大小

使用的布局方式：Force Atlas，斥力强度 2000.0，部分距离较远节点经过手动调整位置。

聚合系数 Cluster coefficient

聚合系数是网络的局部特征，反映了相邻两个人之间朋友圈子的重合度，即该节点的朋友之间也是朋友的程度。

使用Gephi计算该网络的平均聚合系数为 0.587

平均度数 Avg degree

使用Gephi计算该网络的平均度数为 4.119

度数分布图：

平均路径长度(特征路径长度) Avg path length

使用Gephi计算该网络的平均路径长度为 2.379

网络直径：5

体现小世界现象

模块化 Modularity

使用Gephi计算该网络的模块化程度为 0.414

模块化程度：

利用模块化的计算，可以进行社区发现 ( Community Detection )

社区发现可视化结果：

与其它同学发现的对比：

附

python 源代码

import csv

header_namelist = ['Id', 'Label']
header_relation = ['Source', 'Target']

# generate list
with open('namelist.csv', 'w', newline='', encoding='utf-8') as nf:
    nfer = csv.writer(nf)
    nfer.writerow(header_namelist)
    with open('res.csv', encoding='utf-8') as f:
        f_csv = csv.reader(f)
        next(f_csv, None)
        for row in f_csv:
            nfer.writerow([row[0], row[0]])

# generate relation
with open('relation.csv', 'w', newline='', encoding='utf-8') as nf:
    nfer = csv.writer(nf)
    nfer.writerow(header_relation)
    with open('res.csv', encoding='utf-8') as f:
        f_csv = csv.reader(f)
        next(f_csv, None)
        for row in f_csv:
            source = row[0]
            for target in row[1 : -1]:
                if target:
                    nfer.writerow([source, target])