Metryki na poziomie węzłów

Analiza danych z mediów społecznościowych w Pythonie

Alex Hanna

Computational Social Scientist

Centralność: ważność węzła

Centralność
- Miary ważności węzła w sieci
- Różne pojęcia „ważności"

Centralność stopnia

Stopień

Liczba krawędzi połączonych z węzłem
Dwa rodzaje stopni w sieci skierowanej
- Stopień wejściowy – krawędź wchodząca do węzła
- Stopień wyjściowy – krawędź wychodząca z węzła

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

Centralność wejściowa

Centralność pośrednictwa

Liczba najkrótszych ścieżek między dwoma węzłami przebiegających przez ten węzeł
Ważność jako pośrednik w sieci

nx.betweenness_centrality(T)

Centralność pośrednictwa

Wyświetlanie najwyższej centralności

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

Centralność pośrednictwa

Centralność w różnych sieciach

Tabela centralności 2x3

Stosunek

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']

Czas na ćwiczenia!

Analiza danych z mediów społecznościowych w Pythonie