如何使用Python igraph或Gephi按betweenness centralities可视化网络？

注意：需保证原始网络的节点ID和你存储的介数中心性CSV中的节点ID一一对应，避免属性匹配错误

方案1：使用Python igraph实现 #

• 第一步：导入依赖，加载网络和介数中心性数据并完成属性匹配

import igraph as ig
import pandas as pd

# 加载原始网络，可替换为你自己的网络加载逻辑（如读边表csv等）
g = ig.read("your_original_network.gml")
# 读取存储了介数中心性的CSV，假设CSV包含node_id、betweenness两列
bc_df = pd.read_csv("betweenness_centralities.csv")
# 将介数中心性写入图的节点属性
g.vs["betweenness"] = bc_df["betweenness"].values

• 第二步：配置可视化映射规则并绘图

# 归一化介数中心性，映射为10~50区间的节点大小
min_bc, max_bc = min(g.vs["betweenness"]), max(g.vs["betweenness"])
g.vs["size"] = [10 + 40*(bc - min_bc)/(max_bc - min_bc) for bc in g.vs["betweenness"]]

# 配置介数中心性到节点颜色的渐变映射（浅蓝到深红）
palette = ig.GradientPalette("#b3d9ff", "#c92020")
g.vs["color"] = [palette.get((bc - min_bc)/(max_bc - min_bc)) for bc in g.vs["betweenness"]]

# 渲染图像并保存
ig.plot(
    g,
    "bc_visualization.png",
    bbox=(1200, 1200), # 画布尺寸
    margin=60, # 画布边距
    vertex_label_size=7, # 节点标签字号
    edge_color="#e0e0e0", edge_width=0.4 # 边的样式
)

方案2：使用Gephi实现 #

• 第一步：导入原始网络
  打开Gephi，进入「数据实验室」标签页，导入你的原始网络文件（支持gml、边表CSV、pajek等多种格式），完成节点和边的导入。
• 第二步：导入介数中心性属性
  在「数据实验室」点击「导入电子表格」，选择你存储的介数中心性CSV文件，导入模式选择「追加到现有节点」，匹配字段选择两个文件共有的节点ID字段，完成导入后你可以在节点属性列表中看到betweenness字段。
• 第三步：配置属性可视化映射
  切换到「概览」标签页，在左侧「外观」面板中操作：
  • 映射节点大小：选择「节点」→「大小」→「排名」，下拉选择betweenness属性，设置你需要的最小/最大节点尺寸，点击「应用」
  • 映射节点颜色：选择「节点」→「颜色」→「排名」，同样选择betweenness属性，配置你需要的渐变配色方案，点击「应用」
• 第四步：调整布局并导出
  在左侧「布局」面板选择合适的布局算法（常用的如ForceAtlas2）运行，调整到满意的网络结构后，切换到「预览」标签页调整渲染参数，最后导出为图片或PDF即可。

内容的提问来源于stack exchange，提问作者Beiginner