社交网络分析之关系图（原理+Python代码）

数据来源于天池赛题：零基础入门数据分析-学术前沿趋势分析
地址：https://tianchi.aliyun.com/competition/entrance/531866/information

一、原理介绍

社交网络分析是图关系挖掘的一个分支，通常以关系图的形式来展示人与人之间的关系网络。在人物关系图中，一个节点代表一个人，节点之间的连线表示这些人之间存在关系。网络的节点越多，说明该社交网络越庞大；连线越多，说明联系越密切。同时，也可以使用连线的粗细来表示社交关系的权重，即关系的亲密程度。

这里通过绘制关系图，来研究论文中的作者关系。

二、代码实现

# 导入所需的package
import seaborn as sns #用于画图
from bs4 import BeautifulSoup #用于爬取arxiv的数据
import re #用于正则表达式，匹配字符串的模式
import requests #用于网络连接，发送网络请求，使用域名获取对应信息
import json #读取数据，我们的数据为json格式的
import pandas as pd #数据处理，数据分析
import matplotlib.pyplot as plt #画图工具
import warnings
warnings.filterwarnings("ignore") #过滤掉警告的意思

#读入数据
def readArxivFile(path, columns=['id', 'submitter', 'authors', 'title', 'comments', 'journal-ref', 'doi',
       'report-no', 'categories', 'license', 'abstract', 'versions',
       'update_date', 'authors_parsed'], count=None):
    '''
    定义读取文件的函数
        path: 文件路径
        columns: 需要选择的列
        count: 读取行数
    '''
    
    data  = []
    with open(path, 'r') as f: 
        for idx, line in enumerate(f): 
            if idx == count:
                break
                
            d = json.loads(line)
            d = {col : d[col] for col in columns}
            data.append(d)

    data = pd.DataFrame(data)
    return data

data = readArxivFile('F:/data/arxiv-metadata-oai-2019.json', 
                     ['id', 'authors_parsed'],
                    200000)

import networkx as nx 
# 创建无向图
G = nx.Graph()

#这里选择前15篇论文构建作者关系图
for row in data.iloc[:15].itertuples():
    authors = row[2]
    authors = [' '.join(x[:-1]) for x in authors]
    
    # 第一个作者 与 其他作者链接
    for author in authors[1:]:
        G.add_edge(authors[0],author) #　添加节点２，３并链接２３节点

# 将作者关系图进行绘制：
nx.draw(G, with_labels=True)

从上图中可以看出，关系图的中间网状部分节点最多，说明这个子社交网络中合作的人数最多，我们将其称为最大联通子图。为了得到更加完整的作者关系，接下来选择最大联通子图进行绘制，折线图为子图节点度值。

degree_sequence = sorted([d for n, d in G.degree()], reverse=True)
dmax = max(degree_sequence)

plt.loglog(degree_sequence, "b-", marker="o")
plt.title("Degree rank plot")
plt.ylabel("degree")
plt.xlabel("rank")

# draw graph in inset
plt.axes([0.45, 0.45, 0.45, 0.45])
Gcc = G.subgraph(sorted(nx.connected_components(G), key=len, reverse=True)[0])

pos = nx.spring_layout(Gcc)
plt.axis("off")
nx.draw_networkx_nodes(Gcc, pos, node_size=20)
nx.draw_networkx_edges(Gcc, pos, alpha=0.4)
plt.show()