Python中级开发者求助：协议关系网络构建与节点中心性分析

一、数据预处理 #

原始数据中单条协议包含多个参与方，需先拆分为两两配对的边数据，确保每个参与方组合对应一条协议边：

import pandas as pd
from itertools import combinations

# 读取你的原始数据（替换为实际读取方式）
df = pd.read_csv("your_data.csv")
df['PARTIES'] = df['PARTIES'].str.split(', ')

# 生成所有参与方两两配对的边记录
edge_records = []
for _, row in df.iterrows():
    parties = row['PARTIES']
    # 生成当前协议下所有参与方的两两组合
    for pair in combinations(parties, 2):
        edge_records.append({
            "source": pair[0],
            "target": pair[1],
            "agreement_type": row['TYPE OF AGREEMENT']
        })
edges_df = pd.DataFrame(edge_records)

二、构建网络图与中心性计算 #

使用networkx库构建网络并计算核心中心性指标，识别核心参与方：

import networkx as nx

# 创建无向图（若协议为单向合作，可改为nx.DiGraph()）
G = nx.from_pandas_edgelist(edges_df, source="source", target="target", edge_attr="agreement_type")

# 计算三类常用中心性指标
degree_centrality = nx.degree_centrality(G)  # 度中心性：衡量直接合作频次
betweenness_centrality = nx.betweenness_centrality(G)  # 介数中心性：衡量作为合作枢纽的程度
closeness_centrality = nx.closeness_centrality(G)  # 接近中心性：衡量连接其他节点的便捷度

# 整理中心性结果为DataFrame，方便排序查看
centrality_df = pd.DataFrame({
    "party": list(G.nodes()),
    "degree_centrality": [degree_centrality[node] for node in G.nodes()],
    "betweenness_centrality": [betweenness_centrality[node] for node in G.nodes()],
    "closeness_centrality": [closeness_centrality[node] for node in G.nodes()]
})

# 按度中心性降序查看核心参与方
print(centrality_df.sort_values("degree_centrality", ascending=False))

三、学术级可视化（边按协议类型配色） #

结合matplotlib实现符合学术要求的精美网络图，边颜色随协议类型区分，节点大小关联中心性：

import matplotlib.pyplot as plt
from matplotlib.patches import Patch

# 定义协议类型与颜色的映射（可根据学术配色规范调整）
color_map = {
    "Complex Agreement": "#1f77b4",
    "Crossfunctional Agreement": "#ff7f0e",
    # 新增协议类型时补充对应颜色
}

# 获取每条边的颜色
edge_colors = [color_map[G[u][v]["agreement_type"]] for u, v in G.edges()]
# 节点大小关联度中心性，核心节点更大
node_sizes = [degree_centrality[node] * 5000 for node in G.nodes()]

# 设置绘图参数
plt.figure(figsize=(12, 8))
# 使用spring布局优化节点分布（k值控制间距，iterations控制布局迭代次数）
pos = nx.spring_layout(G, k=0.15, iterations=20)

# 绘制节点、边与标签
nx.draw_networkx_nodes(G, pos, node_size=node_sizes, node_color="#e6f2ff", alpha=0.8)
nx.draw_networkx_edges(G, pos, edge_color=edge_colors, width=2, alpha=0.6)
nx.draw_networkx_labels(G, pos, font_size=10, font_weight="bold")

# 添加协议类型图例
legend_elements = [Patch(facecolor=color, label=type_name) for type_name, color in color_map.items()]
plt.legend(handles=legend_elements, loc="upper right", bbox_to_anchor=(1.2, 1))

# 美化图表
plt.title("Regulatory Party Agreement Network", fontsize=14, pad=20)
plt.axis("off")
plt.tight_layout()
plt.show()

额外提示 #

• 若协议存在方向性（如A发起、B参与），将图类型改为nx.DiGraph()，并调整可视化时的边样式（如添加箭头）。
• 中心性指标可按需选择：度中心性最直观反映合作频次，介数中心性适合识别网络枢纽节点。
• 配色可使用seaborn的学术调色板（如sns.color_palette("colorblind")），提升图表专业性。

内容的提问来源于stack exchange，提问作者Fernando Luis Barroso da Silva