利用networkx计算社会网络中的各指标，包括中介中心度，邻近中心度、和度中心度。代码都是参考附录中的参考链接，经过修改之后包含数据的导入、建网络、画图、计算中心性指标，并且讲计算的中心性指标数据导出到excel表中。复杂的代码基本删除了，就不一一介绍了，直接附代码。
一、数据准备
节点表导入了csv文件（node test.csv）
边表导入了txt文件（2007 edge.txt）
代码如下：
import csv with open('node test.csv','rt') as csvfile:reader = csv.DictReader(csvfile)column = [row['id'] for row in reader]print (column) edge = []with open('2007 edge.txt','r') as f: data = f.readlines() for line in data:#print (line)line = tuple(line.replace('r','').replace('n','').replace('t','').split(','))edge.append(line)print (edge) 三、画网络图代码如下：
import networkx as nx import matplotlib.pyplot as pltG = nx.DiGraph()G.add_nodes_from(column)G.add_weighted_edges_from(edge) nx.draw_networkx(G,pos=nx.spring_layout(G),node_size=20,node_shape='o',width=1,style='solid',font_size=8) plt.show()#print ( G.nodes()) 四、计算中心度代码如下：
###计算统计指标#计算中介中心度print("Betweenness centrality")b = nx.betweenness_centrality(G)for v in G.nodes(): #print("%s %0.6r" % (v, b[v])) # %s字符串，%0.6r浮点数子6位 print(v, b[v])#计算度中心度print("Degree centrality")d = nx.degree_centrality(G)for v in G.nodes(): print(v, d[v])#计算紧密中心度print("Closeness centrality")c = nx.closeness_centrality(G)for v in G.nodes(): print(v, c[v]) 五、中心度指标导出到Excel表中代码如下：
import xlwt ##导出到excel表格中 #创建Workbook,相当于创建Excelxls = xlwt.Workbook(encoding='utf-8')#创建sheet，Sheet1为表的名字，cell_overwrite_ok为是否覆盖单元格sheet = xls.add_sheet('sheet1', cell_overwrite_ok=True)# 创建的文件夹，用来写入处理后的数据file = "D:datapythonpy2021815data2017.xls" #向表中添加数据sheet.write(0, 0,'id')sheet.write(0, 1, "Betweenness centrality")sheet.write(0, 2, "Degree centrality")sheet.write(0, 3, "Closeness centrality")m = 1for v in G.nodes(): sheet.write(m,0,v) sheet.write(m, 1, b[v]) sheet.write(m, 2, d[v]) sheet.write(m, 3, c[v]) m = m + 1# 保存到excel中xls.save(file)注意：文件保存路径和表格命名都不要使用数字开头。
六.完整代码代码如下：
import networkx as nx import matplotlib.pyplot as pltimport csvimport xlwt with open('node test.csv','rt') as csvfile:reader = csv.DictReader(csvfile)column = [row['id'] for row in reader]#print (column) edge = []with open('2007 edge.txt','r') as f: data = f.readlines() for line in data:#print (line)line = tuple(line.replace('r','').replace('n','').replace('t','').split(','))edge.append(line)#print (edge) G = nx.DiGraph()G.add_nodes_from(column)G.add_weighted_edges_from(edge) nx.draw_networkx(G,pos=nx.spring_layout(G),node_size=20,node_shape='o',width=1,style='solid',font_size=8) plt.show()#print ( G.nodes())###计算统计指标#计算中介中心度print("Betweenness centrality")b = nx.betweenness_centrality(G)for v in G.nodes(): #print("%s %0.6r" % (v, b[v])) # %s字符串，%0.6r浮点数子6位 print(v, b[v])#计算度中心度print("Degree centrality")d = nx.degree_centrality(G)for v in G.nodes(): print(v, d[v])#计算紧密中心度print("Closeness centrality")c = nx.closeness_centrality(G)for v in G.nodes(): print(v, c[v]) ##导出到excel表格中 #创建Workbook,相当于创建Excelxls = xlwt.Workbook(encoding='utf-8')#创建sheet，Sheet1为表的名字，cell_overwrite_ok为是否覆盖单元格sheet = xls.add_sheet('sheet1', cell_overwrite_ok=True)# 创建的文件夹，用来写入处理后的数据file = "D:datapythonpy2021815data2017.xls" #向表中添加数据sheet.write(0, 0,'id')sheet.write(0, 1, "Betweenness centrality")sheet.write(0, 2, "Degree centrality")sheet.write(0, 3, "Closeness centrality")m = 1for v in G.nodes(): sheet.write(m,0,v) sheet.write(m, 1, b[v]) sheet.write(m, 2, d[v]) sheet.write(m, 3, c[v]) m = m + 1# 保存到excel中xls.save(file)参考链接
Python读取csv的常用方法
【Python】Matplotlib画图（十）——基于networkx画关系网络图
用Python处理txt数据或计算数据将其转存为excel文件
终于搭完了框架，后面要计算改进指标可以方便很多了，但是使用matplotlib画图不好看（具体调节网络图我还没有学…，之前吐槽Gephi不好看，但至少能连接地图，Gephi导出图折磨了我一周，为了能计算改进的指标，安装Neo4j把java给卸载了，现在也不知道还能不能再画图了。）。