Metriky na úrovni uzlů

Analýza dat ze sociálních sítí v Pythonu

Alex Hanna

Computational Social Scientist

Centralita: důležitost uzlu

Centralita
- Měřítko důležitosti uzlu v síti
- Různé pojetí „důležitosti"

Centralita stupně

Stupeň

Počet hran připojených k uzlu
Dva typy stupňů v orientované síti
- Vstupní stupeň – hrana jdoucí do uzlu
- Výstupní stupeň – hrana jdoucí z uzlu

nx.in_degree_centrality(T)
nx.out_degree_centrality(T)

Centralita vstupního stupně

Centralita mezilehlosti

Kolik nejkratších cest mezi dvěma uzly prochází tímto uzlem
Důležitost jako síťový zprostředkovatel

nx.betweenness_centrality(T)

Centralita mezilehlosti

Výpis nejvyšší centrality

bc = nx.betweenness_centrality(T)

betweenness = pd.DataFrame(
      list(bc.items()), 
      columns = ['Name', 'Cent'])

print(betweenness.sort_values(
       'Cent', 
       ascending = False).head())

    Name  Centrality
0      0    0.232540
23    23    0.158514
7      7    0.158514
15    15    0.158514
21    21    0.157588

Centralita mezilehlosti

Centralita v různých sítích

Tabulka centrality 2x3

Poměr

degree_rt = pd.DataFrame(list(G_rt.in_degree()), 
                         columns = ['screen_name', 'degree'])
degree_reply = pd.DataFrame(list(G_reply.in_degree()),
                            columns = ['screen_name', 'degree'])

ratio = degree_rt.merge(degree_reply, 
                        on = 'screen_name', 
                        suffixes = ('_rt', '_reply'))

ratio['ratio'] = ratio['degree_reply'] / ratio['degree_rt']

Pojďme si procvičit!

Analýza dat ze sociálních sítí v Pythonu