《计算传播基础》读书笔记：第二章数据科学的编程工具

本文链接：https://blog.csdn.net/weixin_44850744/article/details/123982777

第二章数据科学的编程工具

人生苦短，我用Python。

Python是一种面向对象、解释型计算机程序设计语言。

特点¶

免费、功能强大、使用者众多
与R和MATLAB相比，Python是一门更易学、更严谨的程序设计语言。使用Python编写的脚本更易于理解和维护。
如同其它编程语言一样，Python语言的基础知识包括：类型、列表（list）和元组（tuple）、字典（dictionary）、条件、循环、异常处理等。

Python中包含了丰富的类库。¶

众多开源的科学计算软件包都提供了Python的调用接口，例如著名的计算机视觉库OpenCV。 Python本身的科学计算类库发展也十分完善，例如NumPy、SciPy和matplotlib等。就社会网络分析而言，igraph, networkx, graph-tool, Snap.py等类库提供了丰富的网络分析工具。

第三方包可以使用pip install的方法安装。

pip install flownetwork

from flownetwork import flownetwork as fn
import networkx as nx
import matplotlib.pyplot as plt
import numpy as np

print(fn.__version__)

$version = py3.0.1$

help(fn.constructFlowNetwork)

constructFlowNetwork(C)
    C is an array of two dimentions, e.g., 
    C = np.array([[user1, item1], 
                  [user1, item2], 
                  [user2, item1], 
                  [user2, item3]])
    Return a balanced flow network

# constructing a flow network
demo = fn.attention_data
gd = fn.constructFlowNetwork(demo)

# drawing a demo network
fig = plt.figure(figsize=(12, 8),  facecolor='white')
pos = {0: np.array([0.2, 0.8]),
       2: np.array([0.2, 0.2]),
       1: np.array([0.4, 0.6]),
       6: np.array([0.4, 0.4]),
       4: np.array([0.7, 0.8]),
       5: np.array([0.7, 0.5]),
       3: np.array([0.7, 0.2]),
       'sink': np.array([1, 0.5]),
       'source': np.array([0, 0.5])}

width = [float(d['weight']*1.2) for (u, v, d) in gd.edges(data=True)]
edge_labels = dict([((u, v, ), d['weight']) for u, v, d in gd.edges(data=True)])

nx.draw_networkx_edge_labels(gd, pos, edge_labels=edge_labels, font_size=15, alpha=.5)
nx.draw(gd, pos, node_size=3000, node_color='orange', alpha=0.2, width=width, edge_color='orange', style='solid')
nx.draw_networkx_labels(gd, pos, font_size=18)
plt.show()

print(nx.info(gd))

DiGraph with 9 nodes and 15 edges

# flow matrix
m = fn.getFlowMatrix(gd)
print(m)

[[0. 5. 1. 0. 2. 1. 0. 0. 0.]
 [0. 0. 0. 0. 1. 0. 0. 3. 1.]
 [0. 0. 0. 1. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 3. 0. 0. 0.]
 [0. 0. 0. 2. 0. 0. 2. 0. 0.]
 [0. 0. 0. 2. 0. 0. 0. 0. 0.]
 [0. 0. 0. 2. 0. 0. 0. 0. 1.]
 [0. 0. 0. 2. 0. 0. 0. 0. 0.]]