数据可视化笔记7 网络数据可视化

概括
网络数据的概念
网络数据可视化的节点—链接法
√社交网络的几何特征：中心度、度中心度、介数中心度、临近中心度、特征向量中心度、平均路径长度、集聚系数、模块度
√社交网络的布局：随机布局、圆形布局、力导向布局、地理空间布局
√社区发现：社区发现、重叠社区和非重叠社区
√社区发现算法：基于聚类的算法、基于模块的算法
√节点-链接法图的简化
网络数据可视化的相邻矩阵法

网络数据概念

-网络数据
有时也称作图数据，由节点（nodes）和边（edges）构成，用来描述实体间关系的一种结构
非线性结构
实体：人、事、物
例如：人与人之间的关系、城市之间的道路连接、科研论文之间的引用都组成了网络
-网络数据可视化常用方法有两种
节点—链接法
相邻矩阵法

网络数据可视化—节点—链接法

节点—链接法：节点表示对象，边表示节点之间的关系
如果图的每条边有方向，则称为有向图（directed graph），如微博的关注就是有向的
如果图的每条边没有方向，则称为无向图（undirected graph），如微信好友就是无向的
优点：最自然直接的表达方式，易于理解、接受

图
– 图 G 由一个顶点（或节点）集合 V 和一个边集合 E 组成
– 每条边exy=(x, y)连接图G 的两个顶点x, y
– 例如：V={1,2,3,4}, E={(1,2),(1,3),(2,3),(3,4),(4,1)}
– 连接顶点的边的个数成为该顶点的度

度– 连接顶点的边的个数成为该顶点的度。
有向图与无向图的中心度的区别
对于无向图，中心度不带有方向性
对于有向图，根据其边的方向分为入度和出度，入度是指向该节点的相邻节点数量，而出度是由该节点出发的相连节点数量


实例

社交网络
由一组社交行为者（例如个人或组织）、行为者之间的二元关系集以及其他社交互动组成的社交结构
社交网络视角提供了一套分析整个社会实体结构的方法，并且用于解释在这些结构中观察到的各种模式
与其他复杂网络一起构成了网络科学新兴领域的一部分

社交网络分析（Social Network Analysis, SNA）
通过网络分析和图论研究社会实体结构之间关系的方法
一个跨学科学术领域，涉及社会心理学，社会学，统计学和图论等
社交网络的几何特征

中心度（Centrality）
指一组度量，用来量化网络中特定节点（或节点组）的重要性或影响力

度中心度（Degree centrality）