实验七 图分析（Gephi与Python的使用） 小组成员： 一、实验目的 1. 熟悉Python图可视化； 2. 熟悉Gephi的使用； 3. 将Gephi 与Python结合实现可视化。 二、实验要求 1. 学生提前熟悉资料； 2. 由小组成员集体完成实验，成员分块写实验报告，代码后写注释。 三、实验内容及步骤 1. 悲惨世界人物关系图（Python实现） 代码 import networkx as nx #用于创造、操作复杂网络，以及学习复杂网络的结构、动力学及其功能 import pylab from pylab import rcParams #pylab 模块是一款由python提供的可以绘制二维，三维数据的工具模块 #指定此图片的大小，和像素 rcParams['figure.figsize']=12,12 G=nx.read_gml('C:/Users/Administrator/Desktop/悲惨世界/lesmiserables.gml') #读取gml文件，记为G G8=G.copy() #G的内容复制给G8 dn=nx.degree(G8) #得到G8内节点的度 #选出G8内所有节点的度小于8的节点，并删除这些节点 for n in list(G8.nodes()): if dn[n]<=8: G8.remove_node(n) pos=nx.spring_layout(G8) #布局指定节点排列形式 nx.draw(G8,node_size=10,edge_color='b',alpha=0.45,font_size=9,pos=pos) #画图，节点大小10，边的颜色为蓝色，透明度0.45，节点标签字体大小9 labels=nx.draw_networkx_labels(G8,pos=pos) #绘制网络G8的边图 pylab.show() 结果展示 2．科幻作者关系图（Python与Gephi与实现） 代码 import csv nodemap={} #创建一个空的列表 #此函数功能是：找、添加节点，并计数 def addNode(name): if name in nodemap: node=nodemap[name] node[\ #在nodemap中，假如有此节点，此节点计数+1 else: node={\ nodemap[name]=node #如果没有该节点，则记录该节点名称，数量记为1，添加到nodemap return with open(\科幻作者/SciFiWriters.txt\ #打开txt文件，把它作为inputfile文件，r为只读模式 datareader=csv.reader(inputfile,delimiter=\ #从csv文件中读取数据，记录为datareader，分隔符：横向制表符 next(datareader,None) #跳过第一行数据 #过每一行数据，添加起点，和目标点 for row in datareader: addNode(row[0]) addNode(row[1]) with open(\ as nodefile: #打开文件记为nodefile文件，以w的方式，newline=\为不写入空行 formatter=csv.writer(nodefile,delimiter=\ #从csv文件中写入数据，记录为formatter，分隔符：横向制表符 formatter.writerow([\第一行写为 ID Count #把nodemap内所有节点，名称和数量写入formatter内 for name in nodemap: node=nodemap[name] formatter.writerow([node[\ 结果展示 3．红楼梦人物词云图 代码 import jieba.analyse from os import path from scipy.misc import imread import matplotlib as mpl import matplotlib.pyplot as plt from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator mpl.rcParams['font.sans-serif'] = ['FangSong'] #识别中文字体，默认设为仿宋 content = open(\词云图/hongloumeng.txt\ #打开红楼梦的txt文件，以content记录 tags = jieba.analyse.extract_tags(content, topK=100, withWeight=False) #提取content中的关键词，返回K个权重最大的关键词，不返回权重 text =\ #text变量中存入tags的内容 trump_coloring = imread(path.join(\ #生成词云 wc = WordCloud(font_path='simsun.ttc',background_color=\ max_words=300,mask=trump_coloring,max_font_size=40, random_state=42) #设置词云样式，背景色为白色，最大字数为300，字体最大为40 #其中font_path部分为设定中文字体（识别中英文），random_state为42种配色方案 wc.generate(text) #以text生成单词云 image_colors = ImageColorGenerator(trump_coloring) #改变字体颜色，从图像中 plt.imshow(wc) #显示词云图 plt.axis(\ #不显示x轴、y轴下标 plt.show() 结果展示 四、思考 1、关于图的逻辑（存储）表示不是能很好的呈现顶点之间的关系，而通过python读取gml文件，对其文件的内容，进行图的描绘，可以有效的观察到各个顶点之间的关系。 2、python中有许多方法可以对许多东西进行统计，而读取文件，把文件中的数据进行清洗、处理，然后再对其数据进行有规律的保存，也可以对保存的文件进行不同格式之间的转换。拿到数据、提取数据，这是数据可视化中数据的重要的环节。 五、实验总结 1. 收获 学习了networkx库的部分函数，对于用图的方式来表示关系，有了进一步的认识。学习了数据读取，并且处理数据的方式，和写入数据格式等等。 2. 存在的问题 在安装库的时候，出现了很多问题，比如用pip直接安装不了，安装的库，在使用上出现错误等等，怎么去解决这些问题用了很长时间，但更进一步的熟悉了安装的几个方法。 内容 1悲惨世界人物关系图30 成 绩 评 定 2科幻作者关系图30 3红楼梦词云图20 4思考10 5总结10 得分
得分 评语
数据可视化实验报告之图分析(Gephi与Python的使用)
