节点级别指标

在 Python 中分析社交媒体数据

Alex Hanna

Computational Social Scientist

中心性：节点重要性

中心性
- 衡量网络中节点的重要性
- 对"重要性"有多种定义

度中心性

度数

与节点相连的边的数量
有向网络中的两类度数
- 入度：指向该节点的边
- 出度：从该节点指向外部的边

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

入度中心性

中介中心性

两节点间的最短路径中，有多少条经过此节点
作为网络中介的关键性

nx.betweenness_centrality(T)

中介中心性

打印最高中心性

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

中介中心性

不同网络中的中心性

中心性 2x3 表

比值

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']

开始练习！

在 Python 中分析社交媒体数据