利用Python将社交网络进行可视化

目录

• 数据来源
• 数据的读取和清洗
• 数据的分析与可视化

前言：

我们平常会使用很多社交媒体，如微信、微博、抖音等等，在这些平台上面，我们会关注某些KOL，同时自己身边的亲朋好友也会来关注我们，成为我们自己的粉丝。慢慢地，关注和粉丝随着时间不断累积，这层关系网络也会不断地壮大，很多信息也是通过这样的关系网络不断向外传播。因此，分析这些社交网络对于我们做出各项决策来说也是至关重要的。

今天我们就用一些Python的第三方库来进行社交网络的可视化

数据来源

本案例用的数据是来自领英（Linkedin）的社交关系数据。由于作者之前在美国读书，并且在国外找实习、找工作，都是通过领英投递简历、联系同事等，久而久之也逐渐地形成了自己的社交网络，将这部分的社交数据下载下来，然后用pandas模块读取

由于涉及隐私信息，数据就不便提供了。如果你有领英账号，可以通过设置里的“获取资料副本”导出这样一份CSV关系数据。或者也可以按照这个表头自己生成一份假数据：

数据的读取和清洗

首先导入需要用到的模块：

import pandas as pd
import janitor
import datetime

from IPython.core.display import display, HTML
from pyvis import network as net
import networkx as nx

读取所需要用到的数据集：

df_ori = pd.read_csv(\"Connections.csv\", skiprows=3)
df_ori.head()

接下来我们进行数据的清洗，具体的思路就是将空值去除掉，并且数据集当中的“Connected on”这一列，内容是日期，但是数据类型却是字符串，因此我们也需要将其变成日期格式。

df = (
    df_ori
    .clean_names() # 去除掉字符串中的空格以及大写变成小写
    .drop(columns=[\'first_name\', \'last_name\', \'email_address\']) # 去除掉这三列
    .dropna(subset=[\'company\', \'position\']) # 去除掉company和position这两列当中的空值
    .to_datetime(\'connected_on\', format=\'%d %b %Y\')
  )

输出：

                    company            position connected_on
0                xxxxxxxxxx  Talent Acquisition   2021-08-15
1               xxxxxxxxxxxx   Associate Partner   2021-08-14
2                      xxxxx                猎头顾问   2021-08-14
3  xxxxxxxxxxxxxxxxxxxxxxxxx          Consultant   2021-07-26
4    xxxxxxxxxxxxxxxxxxxxxx     Account Manager   2021-07-19

数据的分析与可视化

来看一下这些人脉中，分别都是在哪些公司工作的

df[\'company\'].value_counts().head(10).plot(kind=\"barh\").invert_yaxis()

输出：

再来看一下我的人脉网络中，大多都是什么职业的

df[\'position\'].value_counts().head(10).plot(kind=\"barh\").invert_yaxis()

输出：

接下来我们绘制社交网络的可视化图表。但是在这之前呢，需要先说明几个术语，每一个社交网络都包含：

• 节点：社交网络当中的每个参与者
• 边：代表着每一个参与者的关系以及关系的紧密程度

我们先来简单的绘制一个社交网络，主要用到的是networkx模块以及pyvis模块，

g = nx.Graph()
g.add_node(0, label = \"root\") # intialize yourself as central node
g.add_node(1, label = \"Company 1\", size=10, title=\"info1\")
g.add_node(2, label = \"Company 2\", size=40, title=\"info2\")
g.add_node(3, label = \"Company 3\", size=60, title=\"info3\")

我们先是建立了4个节点，也分别给他们命名，其中的参数size代表着节点的大小，然后我们将这些个节点相连接

g.add_edge(0, 1)
g.add_edge(0, 2)
g.add_edge(0, 3)

最后出来的样子如下图：

我们先从人脉中，他们所属的公司来进行网络的可视化，首先我们对所属的公司做一个统计排序

df_company = df[\'company\'].value_counts().reset_index()
df_company.columns = [\'company\', \'count\']
df_company = df_company.sort_values(by=\"count\", ascending=False)
df_company.head(10)

输出：

                            company  count
0                            Amazon     xx
1                            Google     xx
2                          Facebook     xx
3   Stevens Institute of Technology     xx
4                         Microsoft     xx
5              JPMorgan Chase & Co.     xx
6         Amazon Web Services (AWS)     xx
9                             Apple      x
10                    Goldman Sachs      x
8                            Oracle      x

然后我们来绘制社交网络的图表：

# 实例化网络
g = nx.Graph()
g.add_node(\'myself\') # 将自己放置在网络的中心

# 遍历数据集当中的每一行
for _, row in df_company_reduced.iterrows():

    # 将公司名和统计结果赋值给新的变量
    company = row[\'company\']
    count = row[\'count\']

    title = f\"<b>{company}</b> – {count}\"
    positions = set([x for x in df[company == df[\'company\']][\'position\']])
    positions = \'\'.join(\'<li>{}</li>\'.format(x) for x in positions)

    position_list = f\"<ul>{positions}</ul>\"
    hover_info = title + position_list

    g.add_node(company, size=count*2, title=hover_info, color=\'#3449eb\')
    g.add_edge(\'root\', company, color=\'grey\')

# 生成网络图表
nt = net.Network(height=\'700px\', width=\'700px\', bgcolor=\"black\", font_color=\'white\')
nt.from_nx(g)
nt.hrepulsion()

nt.show(\'company_graph.html\')
display(HTML(\'company_graph.html\'))

输出：

同样，我们再来可视化一下人脉中各种岗位的分布。

先做一个统计排序：

df_position = df[\'position\'].value_counts().reset_index()
df_position.columns = [\'position\', \'count\']
df_position = df_position.sort_values(by=\"count\", ascending=False)
df_position.head(10)

输出：

                           position  count
0                 Software Engineer     xx
1                    Data Scientist     xx
2          Senior Software Engineer     xx
3                      Data Analyst     xx
4             Senior Data Scientist     xx
5     Software Development Engineer     xx
6  Software Development Engineer II     xx
7                           Founder     xx
8                     Data Engineer     xx
9                  Business Analyst     xx

然后进行网络图的绘制

g = nx.Graph()
g.add_node(\'myself\') # 将自己放置在网络的中心

for _, row in df_position_reduced.iterrows():

    # 将岗位名和统计结果赋值给新的变量
    position = row[\'position\']
    count = row[\'count\']

    title = f\"<b>{position}</b> – {count}\"
    positions = set([x for x in df[position == df[\'position\']][\'position\']])
    positions = \'\'.join(\'<li>{}</li>\'.format(x) for x in positions)

    position_list = f\"<ul>{positions}</ul>\"
    hover_info = title + position_list

    g.add_node(position, size=count*2, title=hover_info, color=\'#3449eb\')
    g.add_edge(\'root\', position, color=\'grey\')

# 生成网络图表
nt = net.Network(height=\'700px\', width=\'700px\', bgcolor=\"black\", font_color=\'white\')
nt.from_nx(g)
nt.hrepulsion()
nt.show(\'position_graph.html\')

输出：