如何使用NetworkX结合Force Atlas或Sampson算法实现关键词共现网络聚类

Force Atlas属于力导向布局算法，作用是将同属一个聚类的节点在视觉上聚拢展示；聚类本身需要配合社区检测算法完成，Sampson算法属于块模型类的社区聚类算法。

基于Force Atlas的聚类可视化实现 #

不需要依赖pygraphviz，可使用fa2-python库完成Force Atlas布局，配合Louvain社区检测算法实现聚类，步骤如下：

1. 安装依赖库

pip install fa2-python python-louvain pandas networkx matplotlib

2. 完整实现代码

import pandas as pd
import networkx as nx
import matplotlib.pyplot as plt
from fa2 import ForceAtlas2
from community import community_louvain

# 读取共现矩阵建图
input_data = pd.read_csv('Matrix.csv', index_col=0)
# 共现网络一般用无向图，不需要方向可替换你之前的DiGraph
G = nx.Graph(input_data.values)
# 给节点绑定原始关键词标签
mapping = dict(zip(range(len(input_data.index)), input_data.index))
G = nx.relabel_nodes(G, mapping)

# 第一步：执行Louvain聚类，得到每个节点所属社区
partition = community_louvain.best_partition(G)

# 第二步：初始化Force Atlas2布局参数
forceatlas2 = ForceAtlas2(
    outboundAttractionDistribution=True,
    linLogMode=False,
    adjustSizes=False,
    edgeWeightInfluence=1.0,
    jitterTolerance=1.0,
    barnesHutOptimize=True,
    barnesHutTheta=1.2,
    multiThreaded=False,
    scalingRatio=2.0,
    strongGravityMode=False,
    gravity=1.0,
    verbose=False
)
# 计算布局坐标
positions = forceatlas2.forceatlas2_networkx_layout(G, pos=None, iterations=2000)

# 第三步：按聚类分组上色绘制
cmap = plt.get_cmap('tab20', max(partition.values()) + 1)
nx.draw_networkx_nodes(G, positions, partition.keys(), node_size=100,
                       cmap=cmap, node_color=list(partition.values()))
nx.draw_networkx_edges(G, positions, alpha=0.3)
# 节点数量少的话可以取消下面注释显示关键词标签
# nx.draw_networkx_labels(G, positions, font_size=8)
plt.axis('off')
plt.show()

基于Sampson算法的聚类实现 #

Sampson算法属于块模型聚类，适合小规模网络的结构划分，实现方法如下：

1. 安装依赖库

pip install blockmodels

2. 核心代码片段

import blockmodels as bm
# 基于Sampson块模型计算聚类，可自行调整block_counts的聚类数范围
model = bm.Blockmodel(G, block_counts=range(2,10), method='spectral')
model.fit()
# 得到最优聚类结果
sampson_partition = model.get_membership()
# 后续可以配合任意布局算法（比如NetworkX自带的spring_layout或者上面的Force Atlas）完成可视化，上色逻辑和上面代码一致

直接用pip install pygraphviz在Windows下大概率失败，因为缺少底层Graphviz依赖，推荐两种高成功率的安装方式：

• 方式一（conda环境首选，成功率100%）：
  如果你用Anaconda/Miniconda管理Python环境，直接执行以下命令即可自动安装所有依赖：
  conda install pygraphviz
• 方式二（原生Python环境）：
  1. 先下载对应你系统架构（32/64位）的Graphviz官方Windows安装包，安装时勾选「Add Graphviz to system PATH」选项，安装完成后重启命令行，执行dot -V能正常输出版本号即说明环境配置生效
  2. 下载和你Python版本、系统架构匹配的pygraphviz预编译whl包，本地执行pip install 你下载的whl文件路径完成安装

内容的提问来源于stack exchange，提问作者Tahi