这个图聚类Python开源工具火了:可对社群结构进行可视化、检测

开发 后端
最近,又有一款Python可视化工具火了。这一次,功能是针对图聚类问题的社群结构进行检测、可视化。

 最近,又有一款Python可视化工具火了。

这一次,功能是针对图聚类问题的社群结构进行检测、可视化。

该项目的帖子在reddit上一经发布,就被顶到了“机器学习板块”的榜首。

一起来看看它究竟都能用来做什么吧~

功能亮点

这款工具叫做communities, 是一个Python库,用于图聚类问题的社群结构检测。

它支持多种算法,包括:

  •  Louvain算法;
  •  Girvan-Newman算法;
  •  层次聚类算法;
  •  光谱聚类算法;
  •  Bron-Kerbosch算法。

更赞的是,communities还可以实现这些算法的可视化。

具体了解一下~

导入算法并插入矩阵

这里以Louvain算法为例。

这是一种基于模块度的社群发现算法,也是贪心算法。

它根据顶点的共享边将顶点排列成社群结构,也就是说,它将节点分为几个社群,每个社群之间共享很少的连接,但是同一社群的节点之间共享许多连接。

最终,让整个社群网络呈现出一种模块聚集的结构,实现整个社群网络的模块度的最大化。

所以首先,我们需要构建一个表示无向图的邻接矩阵,可以加权,也可以不加权,矩阵为2Dnumpy数组。

n*n矩阵则表示有n个节点,矩阵的每个位置分别表示各节点之间边的关系,有边则为1,没有边则为0。

然后,只需从communities.algorithms中导入算法并插入矩阵。 

  1. import numpy as np  
  2. from communities.algorithms import louvain_method  
  3. adj_matrix = np.array([[0, 1, 1, 0, 0, 0],  
  4.                        [1, 0, 1, 0, 0, 0],  
  5.                        [1, 1, 0, 1, 0, 0],  
  6.                        [0, 0, 1, 0, 1, 1],  
  7.                        [0, 0, 0, 1, 0, 1],  
  8.                        [0, 0, 0, 1, 1, 0]])  
  9. communities, _ = louvain_method(adj_matrix)  
  10. >>> [{0, 1, 2}, {3, 4, 5}] 

接下来输出社群列表,每个社群即为一组节点。

现可视化,并进行颜色编码

利用communities将图进行可视化,将节点分到社群中并进行颜色编码,还可以选择深色或浅色背景、保存图片、选择图片的分辨率等等 。

  1. draw_communities(adj_matrix : numpy.ndarray, communities : list, dark : bool = False, filename : str = None, seed : int = 1

其中各参数的具体含义为:

  •  adj_matrix (numpy.ndarray):图的邻接矩阵;
  •  dark (bool, optional (default=False)):如果为 True, 则绘图为深色背景,否则为浅色背景;
  •  filename (str or None, optional (default=None)):通过 filename 路径可以将图另存为PNG格式; 设置 None 则是用交互方式显示图;
  •  dpi (int or None, optional (default=None)):每英寸的点数,控制图像的分辨率;
  •  seed (int, optional (default=2)):随机种子。

具体到Louvain算法的可视化,代码是这样的: 

  1. from communities.algorithms import louvain_method  
  2. from communities.visualization import draw_communities  
  3. adj_matrix = [...]  
  4. communities, frames = louvain_method(adj_matrix)  
  5. draw_communities(adj_matrix, communities) 

动画呈现算法

communities 还可以动画呈现节点分配到社群的过程。

  1. louvain_animation(adj_matrix : numpy.ndarray, frames : list, dark : bool = False, duration : int = 15, filename : str = None, dpi : int = None, seed : int = 2

其中各参数的含义如下:

  •  adj_matrix (numpy.ndarray):图的邻接矩阵;
  •  frames (list):算法每次迭代的字典列表;
  •  每个字典都有俩个键:“C”包含节点到社群的查找表,“Q”表示图的模块度数值;
  •  此字典列表是 louvain_method的第二个返回值;
  •  dark (bool, optional (default=False)):如果为 True, 则动画为深色背景和配色方案,否则为浅色方案;
  •  duration (int, optional (default=15)):动画所需的持续时间,以秒为单位;
  •  filename (str or None, optional (default=None)):通过filename 路径将动画存为GIF;设置None则以交互方式展示动画;
  •  dpi (int or None, optional (default=None)):每英寸点数,控制动画的分辨率;
  •  seed (int, optional (default=2)):随机种子。

例如,空手道俱乐部网络中Louvain算法的动画呈现: 

  1. from communities.algorithms import louvain_method  
  2. from communities.visualization import louvain_animation  
  3. adj_matrix = [...]  
  4. communities, frames = louvain_method(adj_matrix) 
  5. louvain_animation(adj_matrix, frames) 

 

我们可以看到Louvain算法的动态过程:

  •  首先扫描数据中的所有节点,将每个节点看做一个独立的社群;
  •  接下来,遍历每个节点的邻居节点,判断是否将该节点加入邻居节点所在的社群,以提升模块度;
  •  这一过程重复迭代,直到每一个节点的社群归属稳定;
  •  最后,将所有在同一个社群的节点压缩成一个新节点,计算新节点的权重,直到整个图的模块度稳定。

大家可以通过文末链接,自行尝试一下其他算法~

此外,它还可以用于社群间邻接矩阵、拉普拉斯矩阵以及模块度矩阵等。

对于这款工具,不少网友发出“awesome”、“really cool!”等花式赞叹,表示正是自己需要的。

当然,也有网友提出疑问,例如:是否可以指定执行的迭代次数(例如:提前停止)?

开发者对此表示:不能,但是对于某些算法,可以指定要将图形划分为多少个社群。

 

 

责任编辑:庞桂玉 来源: 马哥Linux运维
相关推荐

2021-02-25 15:21:27

Python 开发编程语言

2023-03-27 23:42:29

树状图开发可视化

2021-02-21 08:11:46

PythonDash工具

2021-10-08 09:27:11

Python图形化工具

2022-08-26 09:15:58

Python可视化plotly

2021-07-27 11:45:37

Python 开发编程

2023-04-14 08:21:55

2021-02-20 09:14:35

PythonPygal可视化

2020-02-27 08:59:11

DebugCode开源工具

2011-05-11 15:41:53

HTML5

2018-07-11 12:30:51

编程语言Python数据可视化

2021-03-31 13:28:17

开源工具Python编程语言

2020-03-11 14:39:26

数据可视化地图可视化地理信息

2021-08-05 10:46:59

GitHub代码开发者

2011-04-12 10:59:33

HTML 5开源Maqetta

2023-05-06 12:57:34

Python工具

2015-06-12 10:30:44

数据可视化开源工具

2021-07-02 14:07:00

可视化Plotly漏斗图

2021-01-21 14:53:31

工具Python开发

2020-11-15 18:00:49

开源可视化工具Python
点赞
收藏

51CTO技术栈公众号