文本分析之制作网络关系图——Python

大数据
这篇文章写的很好(希望不要黑我,我也是觉得真心好)。我基本上借鉴了这篇文章思路写今天这个脚本,实现了自动生成关系网络图。

[[189747]]

今天给大家带来我一个脚本,用来分析社会网络关系。

这个图我没有用到gephi或者其他的工具,是我用python纯脚本运行出来的。简单的实现了封装,大家有兴趣可以下载下脚本,运行下。

原理知识

我就简单说下原理吧,先刻画一个简单的图A

  1. import networkx as nx 
  2. import matplotlib.pyplot as plt 
  3. #有向图 
  4. DG = nx.DiGraph() 
  5. #添加一个节点 
  6. DG.add_node('A'
  7. #作图,设置节点名显示,节点大小,节点颜色 
  8. nx.draw(DG,with_labels=True,node_size=900,node_color = 'green'
  9. plt.show() 

双节点,有方向A–>B

  1. #有向图 
  2. DG = nx.DiGraph() 
  3. #添加一个节点 
  4. DG.add_node('A'
  5. DG.add_node('B'
  6. #添加边,有方向,A-->B 
  7. DG.add_edge('A','B'
  8. #作图,设置节点名显示,节点大小,节点颜色 
  9. nx.draw(DG,with_labels=True,node_size=900,node_color = 'green'
  10. plt.show() 

添加更多节点

  1. import networkx as nx 
  2. import matplotlib.pyplot as plt 
  3.  
  4. colors = ['red''green''blue''yellow'
  5. #有向图 
  6. DG = nx.DiGraph() 
  7. #一次性添加多节点,输入的格式为列表 
  8. DG.add_nodes_from(['A''B''C''D']) 
  9. #添加边,数据格式为列表 
  10. DG.add_edges_from([('A''B'), ('A''C'), ('A''D'), ('D','A')]) 
  11. #作图,设置节点名显示,节点大小,节点颜色 
  12. nx.draw(DG,with_labels=True, node_size=900, node_color = colors) 
  13. plt.show() 

好了,同样的道理,咱们建立角色词典,插入节点列表,然后遍历插入有向边关系,就能做出这图:

《Python基于共现提取《釜山行》人物关系》

这篇文章写的很好(希望不要黑我,我也是觉得真心好)。我基本上借鉴了这篇文章思路写今天这个脚本,实现了自动生成关系网络图。

准备工作

  1. 一、安装matplotlib、networkx 
  2.  
  3. 二、解决matplotlib无法写中文问题 
  4.  
  5. 1、找到pythonX\lib\site-packages\matplotlib\mpl-data\fonts\ttf文件夹 
  6.  
  7. 2、matplotlib默认调用的为DejaVuSans.ttf字体文件,网上下载个 
  8.  
  9. 微软雅黑.ttf 
  10.  
  11. 3、将微软雅黑文件名改为DejaVuSans.ttf粘贴到ttf文件夹下即可。 

脚本文件简介

你下载后脚本文件夹名为:人民的名义

其中的relationship.py就是大邓写的库(直接能调用的哦)

实现功能:

1、读入小数数据和角色词典后,对数据分词后生成角色关系数据(有向关系数据)

2、无需gephi绘图即可制作绚丽角色关系网络图。

注意:

1、运行脚本前,文件夹中只保留角色名单.txt 人民的名义.txt 和 relationship.py

2、要想图片好看点,一定要联网啊。里面我写了个爬虫,爬取一个配色网站的配色值。

如果你们想单机也可以画出好看的图,可以修改下代码,将代码爬虫部分改成读取本地颜色数据

使用示例

1、建好小说数据中的角色字典,格式如下

2、在文件夹中放入小说txt文件(人民的名义.txt)

3、在脚本文件夹中新建一个test.py文件

  1. #导入relationship库中的Relationship类 
  2. from relationship import Relationship 
  3.  
  4. #自定义节点词典(小说中人物角色) 
  5. dictpath = r'/Users/suosuo/Desktop/人民的名义/角色名单.txt' 
  6. #小说路径,只能是编码方式为utf-8的txt文件 
  7. datapath = r'/Users/suosuo/Desktop/人民的名义/人民的名义.txt' 
  8. #程序运行生成的角色关系图保存地址 
  9. pic = r'/Users/suosuo/Desktop/人民的名义/人物关系图.png' 
  10. Re = Relationship(dictpath, datapath) 
  11. relation = Re.relationship() 
  12. graph = Re.network_digraph(relation, pic) 

4、运行

文件夹中生成了 人物关系图.png、node_edge.txt和node_freq.txt文件。

node_edge.txt 有向图关系数据,可以后续导入gephi软件自定义制图

node_freq.txt 节点出现频率

注意:每次运行前请把人物关系图.png、node_edge.txt和node_freq.txt文件删除掉,再运行。

责任编辑:武晓燕 来源: 36大数据
相关推荐

2020-07-07 10:50:19

Python丄则表达文本

2023-11-28 15:18:24

Python

2019-11-06 16:40:31

awkLinux文本分析工具

2019-03-21 14:30:15

Linux文本分析命令

2023-10-20 16:25:30

Python

2010-01-05 16:55:44

JSON 文本

2016-12-23 10:56:34

linuxshellawk

2021-03-06 07:00:00

awk文本分析工具Linux

2022-10-09 08:00:00

机器学习文本分类算法

2015-09-18 22:11:33

2017-08-04 14:23:04

机器学习神经网络TensorFlow

2017-08-25 14:23:44

TensorFlow神经网络文本分类

2014-10-23 09:40:57

2023-05-04 07:39:14

图神经网络GNN

2023-11-13 18:37:44

2017-06-20 11:00:13

大数据自然语言文本分类器

2017-11-30 18:42:22

PythonCPU脚本分析

2020-12-31 05:37:05

HiveUDFSQL

2010-03-22 09:33:21

2010-05-07 12:19:00

服务器负载均衡
点赞
收藏

51CTO技术栈公众号