这个图聚类Python工具火了

能亮点

这款工具叫作communities， 是一个Python库，用于图聚类问题的社群结构检测。

它支持多种算法，包括：

• Louvain算法；
• Girvan-Newman算法；
• 层次聚类算法；
• 光谱聚类算法；
• Bron-Kerbosch算法。

更赞的是，communities还可以实现这些算法的可视化。

具体了解一下～

导入算法并插入矩阵

这里以Louvain算法为例。

这是一种基于模块度的社群发现算法，也是贪心算法。

它根据顶点的共享边将顶点排列成社群结构，也就是说，它将节点分为几个社群，每个社群之间共享很少的连接，但是同一社群的节点之间共享许多连接。

最终，让整个社群网络呈现出一种模块聚集的结构，实现整个社群网络的模块度的最大化。

所以首先，我们需要构建一个表示无向图的邻接矩阵，可以加权，也可以不加权，矩阵为2Dnumpy数组。

n*n矩阵则表示有n个节点，矩阵的每个位置分别表示各节点之间边的关系，有边则为1，没有边则为0。

然后，只需从communities.algorithms中导入算法并插入矩阵。

下来输出社群列表，每个社群即为一组节点。

实现可视化，并进行颜色编码

利用communities将图进行可视化，将节点分到社群中并进行颜色编码，还可以选择深色或浅色背景、保存图片、选择图片的分辨率等等 。

draw_communities(adj_matrix : numpy.ndarray, communities : list, dark : bool = False, filename : str = None, seed : int = 1)

其中各参数的具体含义为：

• adj_matrix (numpy.ndarray)：图的邻接矩阵；
• dark (bool, optional (default=False))：如果为 True, 则绘图为深色背景，否则为浅色背景；
• filename (str or None, optional (default=None))：通过 filename 路径可以将图另存为PNG格式; 设置 None 则是用交互方式显示图；
• dpi (int or None, optional (default=None))：每英寸的点数，控制图像的分辨率；
• seed (int, optional (default=2))：随机种子。

具体到Louvain算法的可视化，代码是这样的：

（编辑：南通站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!