Показники на рівні вузла

Аналіз даних із соцмереж у Python

Alex Hanna

Computational Social Scientist

Центральність: важливість вузла

Центральність
- Міри важливості вузла в мережі
- Є кілька підходів до «важливості»

Центральність за ступенем

Ступінь

Кількість ребер, що з'єднані з вузлом
Два типи ступенів у напрямленій мережі
- Вхідний ступінь — ребро, що йде до вузла
- Вихідний ступінь — ребро, що йде від вузла

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

Вхідна центральність за ступенем

Центральність посередництва

Скількома найкоротшими шляхами між двома вузлами проходить цей вузол
Важливість як посередника мережі

nx.betweenness_centrality(T)

Центральність посередництва

Виведення найбільшої центральності

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

Центральність посередництва

Центральність у різних мережах

Центральність: таблиця 2×3

Співвідношення

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']

Давайте потренуємось!

Аналіз даних із соцмереж у Python