基于NetworkX的Python评分量表数据聚类分析及可视化技术问询

一、数据重构步骤 #

你的原始数据是长格式（每行对应一个项目的一次评分），首先需要转成宽格式（每行对应一个完整的观测样本，列是各个症状项目），方便计算项目间的关联度：

• 给每个观测样本分组：原始数据每5行是一个样本，添加Sample_ID列标记分组（比如Sample_1、Sample_2、Sample_3）。
• 用pandas的pivot方法转成宽格式，最终结构如下：

• 计算两个核心指标：每个症状的平均评分（用于设置节点直径）、症状间的关联度（比如皮尔逊相关系数，用于设置边的权重/粗细）。

二、NetworkX网络构建与可视化代码示例 #

import pandas as pd
import networkx as nx
import matplotlib.pyplot as plt

# 1. 加载并重构数据
data = pd.DataFrame({
    "Item": ["Happy", "Depressed", "Anxious", "Irritated", "Confused"]*3,
    "Rating": [1,3,4,2,0, 1,5,3,4,1, 0,4,4,3,1]
})
# 添加样本ID分组
data["Sample_ID"] = ["Sample_1"]*5 + ["Sample_2"]*5 + ["Sample_3"]*5
# 转换为宽格式
wide_data = data.pivot(index="Sample_ID", columns="Item", values="Rating")

# 2. 计算节点属性：平均评分（放大后作为节点直径）
mean_ratings = wide_data.mean().to_dict()
node_sizes = [v * 1000 for v in mean_ratings.values()]

# 3. 计算边的权重：症状间的皮尔逊相关系数绝对值
corr_matrix = wide_data.corr()
items = wide_data.columns.tolist()
edges = []
for i in range(len(items)):
    for j in range(i+1, len(items)):
        edge_weight = abs(corr_matrix.loc[items[i], items[j]])
        edges.append((items[i], items[j], edge_weight))

# 4. 构建图并可视化
G = nx.Graph()
G.add_nodes_from(items)
G.add_weighted_edges_from(edges)

# 用弹簧布局让关联强的节点更靠近
pos = nx.spring_layout(G, k=0.5, weight='weight')

# 绘制元素
nx.draw_networkx_nodes(G, pos, node_size=node_sizes, node_color='lightblue')
nx.draw_networkx_edges(G, pos, width=[w*5 for (u,v,w) in edges], edge_color='gray')
nx.draw_networkx_labels(G, pos, font_size=12)

plt.title("Symptom Clustering Network")
plt.axis('off')
plt.show()

三、实用资源 #

• NetworkX基础操作：优先看官方文档的「Tutorial」和「Reference」，重点掌握图的创建、节点/边属性设置、各类布局算法（spring_layout、circular_layout等）。
• 聚类分析（社区检测）：NetworkX内置多种社区检测算法，比如nx.community.louvain_communities（Louvain方法，适合无向图）、nx.community.girvan_newman（基于边介数的划分），可直接用于提取症状聚类。
• 数据处理技巧：熟练掌握pandas的pivot、groupby、corr方法，是处理这类评分数据的核心。
• 可视化优化：可结合matplotlib调整颜色映射、节点样式，或用pyvis生成交互式网络（适合大样本数据）。

内容的提问来源于stack exchange，提问作者B.Nin