快速入门Gephi可视化！LDA主图关系网络图绘制 | 社科必学软件|文献综述神器

weixin_58006135

已于 2024-08-30 00:31:52 修改

阅读量1k

点赞数 6

分类专栏：文献计量可视化文章标签： python matplotlib pandas scikit-learn

于 2024-08-28 22:49:58 首次发布

本文链接：https://blog.csdn.net/weixin_58006135/article/details/141643048

版权

文献计量可视化专栏收录该内容

2 篇文章 0 订阅

订阅专栏

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

前言

当我们在进行LDA主题分析时，想要把主题和词汇之间的关系以网络图的形式呈现出来时，可以使用一款叫做Gephi的工具来帮助我们画出这个主题关系网络图。这种图形化展示方式可以清晰地显示主题之间的关联，同时展示出主题内部的词汇分布，帮助我们更加直观地理解不同主题之间的联系。
先预览结果
在这里插入图片描述

一、准备数据

这份数据是LDA主题分析后的主题—词，使用python代码转换格式后保存在link.csv里
部分代码

// A code block
var foo = 'bar';

// An highlighted block
import pandas as pd
import jieba
from collections import Counter

# 读取文件
df = pd.read_excel('4LDA主题-词分布4.xlsx')
df.head()

# 提取主题词列（从topic0_word至topic3_word）
topic_columns = [df[f'topic{i}_word'] for i in range(4)]  # 可更改主题数
topic_columns1 = [df[f'topic{i}_distribution'] for i in range(4)]  # 可更改主题数
# 提取前10行
topic_word_columns_10 = [column[:25] for column in topic_columns]
topic_word_columns1_10 = [column[:25] for column in topic_columns1]

# 创建新的 DataFrame
all_dfs = []  # 用于存储 temp_df
for i, column in enumerate(topic_word_columns_10):
    topic_name = f'主题{i + 1}'
    topic_words = column.tolist()
    # 使用 topic_word_columns1_10 中的值作为 value 列的数据
    value_data = [int(v * 100) for v in topic_word_columns1_10[i]]  # 保留整数
    temp_df = pd.DataFrame({'source': [topic_name] * len(topic_words), 'target': topic_words, 'value': value_data})
    all_dfs.append(temp_df)

# 检查 all_dfs 是否为空
if all_dfs:
    new_df = pd.concat(all_dfs, ignore_index=True)
    # 将结果保存为 Excel 文件
    new_df.to_csv('links.csv', index=False)
    print("结果已保存为 links.xlsx")
else:
    print("Error: No data to concatenate.")

保存的.csv文件格式如下
在这里插入图片描述

二、操作步奏

1.打开gephi 》文件》导入电子表格 ==》选择文件

在这里插入图片描述
打开gephi 》文件》导入电子表格》选择文件》点击下一步==》点击完成==》选择无向==》点击确定

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import  ssl
ssl._create_default_https_context = ssl._create_unverified_context