PageRank实战---西游记人物节点重要度

1. 先使用下面代码安装所必须的networkx numpy matplotlib的三个工具包

!pip install networkx numpy matplotlib

2. 安装完后，导入所需工具包，并且将matplotlib所画的图内嵌到jupyter中，并且设置中文字体等来正确显示汉字

import networkx as nx # 图数据挖掘
import numpy as np # 数据分析
import random # 随机数
import pandas as pd

# 数据可视化
import matplotlib.pyplot as plt
%matplotlib inline
plt.rcParams['font.sans-serif']=['SimHei']  # 用来正常显示中文标签  
plt.rcParams['axes.unicode_minus']=False  # 用来正常显示负号

3. 在OpenKG下载四大名著人物关系知识图谱和OWL本体

4. 接着导入导入 csv 文件定义的有向图，保存三元组信息到df中

# 导入 csv 文件定义的有向图
df = pd.read_csv('data/三国演义/triples.csv')

运行后df信息如下：

5. 然后从DataFrame类型的df中提取两列数据，分别命名为head和tail。这两列数据应该是表示图中边的起始节点和终止节点的。然后使用zip函数将head和tail两列数据组合成一个新的列表edges，其中每个元素是一个元组，包含一对节点。接着创建一个有向图（DiGraph）对象G，使用add_edges_from方法将edges列表中的边添加到图G中。代码如下：

edges = [edge for edge in zip(df['head'], df['tail'])]

G = nx.DiGraph()
G.add_edges_from(edges)

打印图的信息，可以发现有123个节点及144条边。

如下，每个节点的名称可以使用G.nodes打印及，len(G)能够打印出来节点的数量。

6. 使用networkx和matplotlib.pyplot可视化图

# 可视化
plt.figure(figsize=(15,14))
pos = nx.spring_layout(G, iterations=3, seed=5) #设置为基于弹簧布局，迭代次数为3，次数越多，根据节点之间的相互作用力找到的节点位置越合理
nx.draw(G, pos, with_labels=True)
plt.show()

效果如下：

7. 接着计算每个节点PageRank的重要度

pagerank = nx.pagerank(G,                     # NetworkX graph 有向图，如果是无向图则自动转为双向有向图
                       alpha=0.85,            # Damping Factor，阻尼系数，理解这个得理解谷歌矩阵，也就是明白算法本身才行
                       personalization=None,  # 是否开启Personalized PageRank，随机传送至指定节点集合的概率更高或更低
                       max_iter=100,          # 最大迭代次数
                       tol=1e-06,             # 判定收敛的误差
                       nstart=None,           # 每个节点初始PageRank值      
                       dangling=None,         # Dead End死胡同节点
                      )

需要跑一段时间，结果如下：

排序一波↓

8. 接着让那些PageRank值越大的节点，可视化时给与更大的可视化节点尺寸

参考文档：https://networkx.org/documentation/stable/auto_examples/drawing/plot_directed.html#sphx-glr-auto-examples-drawing-plot-directed-py

# 节点尺寸
node_sizes = (np.array(list(pagerank.values())) * 8000).astype(int)

9. 接着给每个节点、每条边颜色绘制，并且设置每个连接边的透明度等，透明度当然是越靠前的节点越不透明，因为越靠前的节点的PageRank越高，自然越重要，越不能透明。

# 节点颜色
M = G.number_of_edges()
edge_colors = range(2, M + 2)


plt.figure(figsize=(15,14))

# 绘制节点
nodes = nx.draw_networkx_nodes(G, pos, node_size=node_sizes, node_color=node_sizes)

# 绘制连接
edges = nx.draw_networkx_edges(
    G,
    pos,
    node_size=node_sizes,   # 节点尺寸
    arrowstyle="->",        # 箭头样式
    arrowsize=20,           # 箭头尺寸
    edge_color=edge_colors, # 连接颜色
    edge_cmap=plt.cm.plasma,# 连接配色方案，可选：plt.cm.Blues
    width=4                 # 连接线宽
)

# 设置每个连接的透明度
edge_alphas = [(5 + i) / (M + 4) for i in range(M)]
for i in range(M):
    edges[i].set_alpha(edge_alphas[i])

# # 图例
# pc = mpl.collections.PatchCollection(edges, cmap=cmap)
# pc.set_array(edge_colors)
# plt.colorbar(pc)

ax = plt.gca()
ax.set_axis_off()
plt.show()

plt.show()的结果如下：