网络分析中节点多变量关联对比与TS、PO、Art相关性计算咨询

一、统计拥有相同变量值对的节点数量 #

场景1：统计单个变量各取值对应的节点总数 #

如果需要统计每个变量（如TS）下，不同取值对应的节点数量，用pandas分组聚合即可实现：

import pandas as pd

# 读入CSV数据
df = pd.read_csv("your_data.csv")

# 统计TS变量各取值的节点数
ts_node_count = df.groupby("TS")["节点ID"].nunique()
print(ts_node_count)

# 同理批量处理PO、Art变量
for col in ["PO", "Art"]:
    count = df.groupby(col)["节点ID"].nunique()
    print(f"\n{col}变量各取值节点数：\n{count}")

场景2：统计两两节点间共享相同变量值的对数 #

如果需要统计任意两个节点在某变量上取值相同的总对数，可通过组合计数实现：

from itertools import combinations

# 按TS分组，计算每组内节点的两两组合数后求和
ts_same_pairs = df.groupby("TS")["节点ID"].apply(lambda x: len(list(combinations(x, 2)))).sum()
print(f"TS变量取值相同的节点对总数：{ts_same_pairs}")

# 同理处理PO、Art
po_same_pairs = df.groupby("PO")["节点ID"].apply(lambda x: len(list(combinations(x, 2)))).sum()
art_same_pairs = df.groupby("Art")["节点ID"].apply(lambda x: len(list(combinations(x, 2)))).sum()

二、计算TS、PO、Art三个变量的相关性 #

相关性计算需根据变量类型（数值型/分类型）选择对应方法，以下是具体实现：

情况1：变量为数值型（如TS是时间戳、PO是评分值） #

用皮尔逊（线性相关）或斯皮尔曼（秩相关）系数衡量：

from scipy.stats import pearsonr, spearmanr

# 先清理缺失值
clean_df = df.dropna(subset=["TS", "PO", "Art"])

# 皮尔逊相关系数及显著性p值
ts_po_corr, ts_po_p = pearsonr(clean_df["TS"], clean_df["PO"])
ts_art_corr, ts_art_p = pearsonr(clean_df["TS"], clean_df["Art"])
po_art_corr, po_art_p = pearsonr(clean_df["PO"], clean_df["Art"])

print(f"TS与PO的皮尔逊相关系数：{ts_po_corr:.4f}，p值：{ts_po_p:.4f}")
print(f"TS与Art的皮尔逊相关系数：{ts_art_corr:.4f}，p值：{ts_art_p:.4f}")
print(f"PO与Art的皮尔逊相关系数：{po_art_corr:.4f}，p值：{po_art_p:.4f}")

# 若变量非线性相关，改用斯皮尔曼秩相关
ts_po_spear, _ = spearmanr(clean_df["TS"], clean_df["PO"])
print(f"\nTS与PO的斯皮尔曼相关系数：{ts_po_spear:.4f}")

情况2：变量为分类型（如TS是类别标签、PO是分组ID） #

用卡方检验、Cramér's V系数或互信息衡量关联强度：

from scipy.stats import chi2_contingency
import numpy as np
from sklearn.feature_selection import mutual_info_classif

clean_df = df.dropna(subset=["TS", "PO", "Art"])

# 卡方检验（以TS和PO为例）
contingency_table = pd.crosstab(clean_df["TS"], clean_df["PO"])
chi2, p, dof, expected = chi2_contingency(contingency_table)
print(f"TS与PO的卡方值：{chi2:.4f}，p值：{p:.4f}")

# Cramér's V系数（修正卡方值，更适合分类变量关联）
n = contingency_table.sum().sum()
min_dim = min(contingency_table.shape) - 1
cramer_v = np.sqrt(chi2 / (n * min_dim))
print(f"TS与PO的Cramér's V系数：{cramer_v:.4f}")

# 互信息（衡量变量间依赖程度）
# 将分类变量转为数值编码
encoded_df = clean_df[["TS", "PO", "Art"]].apply(lambda x: pd.factorize(x)[0])
mi_ts_po = mutual_info_classif(encoded_df[["TS"]], encoded_df["PO"])[0]
print(f"TS与PO的互信息：{mi_ts_po:.4f}")

注意事项 #

• 若CSV存在缺失值，必须先通过df.dropna()清理后再计算，避免结果失真
• 若需结合网络节点的连接关系分析变量关联，可使用networkx库，比如统计相连节点间的变量取值相关性

内容的提问来源于stack exchange，提问作者user20564005