python-louvain

安装

louvain当前最新版本：0.14

pip install python-louvain

由于是处理社区的数据，这里还是安装networkx

pip install networkx

使用

不妨来运行下一个案例：

import community as community_louvain
import matplotlib.cm as cm
import matplotlib.pyplot as plt
import networkx as nx

# load the karate club graph
G = nx.karate_club_graph()

#first compute the best partition
partition = community_louvain.best_partition(G)

# compute the best partition
partition = community_louvain.best_partition(G)

# draw the graph
pos = nx.spring_layout(G)
# color the nodes according to their partition
cmap = cm.get_cmap('viridis', max(partition.values()) + 1)
nx.draw_networkx_nodes(G, pos, partition.keys(), node_size=40,
                       cmap=cmap, node_color=list(partition.values()))
nx.draw_networkx_edges(G, pos, alpha=0.5)
plt.show()

API学习

使用Louvain heuristices算法来进行社区的划分，试图获得最多的社区。

community.best_partition(graph, partition=None, weight='weight', resolution=1.0, randomize=None, random_state=None)

参数	参数说明
graph	networkx.Graph
partition	dict, optional；将使用这些节点开始划分，最终字典键是这些节点，值是所划分的社区
weight	str, optional；使用图中的键作为权重，默认是weight
resolution	double, optional; 将会改变社区的大小，默认是1，该值越大划分的社区越少，反之亦然
randomize	boolean, optional；随机化节点评估顺序和社区评估顺序，以在每次调用时获得不同的划分
random_state	int, RandomState instance or None, optional (default=None)；如果int，random_state是随机数生成器使用的种子；如果RandomState实例，random_state是随机数生成器；如果没有，则随机数生成器是使用np.random的RandomState实例.

返回：社区划分后的字典对象

当然，网站中还有其余的API接口，感觉我不会用到，就不介绍了。

——————
github地址：python-louvain