python 社区发现算法

转载：这个Python库超级棒啊，包含Louvain 算法、Girvan-Newman 算法等多种社区发现算法，还具有可视化功能_11205354的技术博客_51CTO博客

熟知社区发现算法，你不能错过这个 Python 库。它涵盖 Louvain 算法、Girvan-Newman 算法等多种社区发现算法，还具有可视化功能。

网络是由一些紧密相连的节点组成的，并且根据不同节点之间连接的紧密程度，网络也可视为由不同簇组成。簇内的节点之间有着更为紧密的连接，不同簇之间的连接则相对稀疏。这种簇被称为网络中的社区结构（community structure）。

由此衍生出来的社区发现（community detection）算法用来发现网络中的社区结构，这类算法包括 Louvain 算法、Girvan-Newman 算法以及 Bron-Kerbosch 算法等。

最近，在 GitHub 上发现了一个可以发现图中社区结构的 Python 库 communities，该库由软件工程师 Jonathan Shobrook 创建。

载授权，否则将追究法律责任
这个Python库超级棒啊，包含Louvain 算法、Girvan-Newman 算法等多种社区发现算法，还具有可视化功能
https://blog.51cto.com/u_11215354/5759629

项目地址：https://github.com/shobrook/communities

首先，该库可以实现以下几种社区发现算法：

Louvain 算法
Girvan-Newman 算法
层次聚类
谱聚类
Bron-Kerbosch 算法
其次，用户还可以使用 communities 库来可视化上述几种算法，下图为空手道俱乐部（Zachary’s karate club）网络中 Louvain 算法的可视化结果：

-----------------------------------
©著作权归作者所有：来自51CTO博客作者Python学习与数据挖掘的原创作品，请联系作者获取转载授权，否则将追究法律责任
这个Python库超级棒啊，包含Louvain 算法、Girvan-Newman 算法等多种社区发现算法，还具有可视化功能
https://blog.51cto.com/u_11215354/5759629

该库的安装方法也非常简单，可采用 pip 的方式安装 communities，代码如下：

pip install communities

import numpy as np
from communities.algorithms import louvain_method

adj_matrix = np.array([[0, 1, 1, 0, 0, 0],
                       [1, 0, 1, 0, 0, 0],
                       [1, 1, 0, 1, 0, 0],
                       [0, 0, 1, 0, 1, 1],
                       [0, 0, 0, 1, 0, 1],
                       [0, 0, 0, 1, 1, 0]])
communities, _ = louvain_method(adj_matrix)

communities
[{0, 1, 2}, {3, 4, 5}]

 对于这个 Python 库，很多网友给予了高度评价，表示会去尝试。

算法详解

Louvain 算法

louvain_method(adj_matrix : numpy.ndarray, n : int = None) -> list

该算法来源于文章《Fast unfolding of communities in large networks》，简称为 Louvian。

作为一种基于模块度（Modularity）的社区发现算法，Louvain 算法在效率和效果上都表现比较好，并且能够发现层次性的社区结构，其优化的目标是最大化整个图属性结构（社区网络）的模块度。

Louvain 算法对最大化图模块性的社区进行贪婪搜索。如果一个图具有高密度的群体内边缘和低密度的群体间边缘，则称之为模图。

示例代码如下：

 

Girvan-Newman 算法