Gephi快速入门
1. 导入文件(Import file)2. 布局(Layout)3. 排序(Ranking)4. 指标(Metrics)5. 标签(Label)6. 社区发现(Community detection)7. 过滤(Filter)8. 预览(Preview)
Gephi被称为“数据可视化领域的Photoshop”,是一款开源免费跨平台基于JVM的复杂网络分析软件,主要用于各种网络和复杂系统,动态和分层图的交互可视化与探测开源工具。
本文参考Gephi官网的入门手册,介绍Gephi的基本使用。
Gephi版本:0.10。 数据集:LesMiserables.gexf(维克多雨果的《悲惨世界》)
1. 导入文件(Import file)
点击File-Open打开文件LesMiserables.gexf后显示:
Number of nodesNumber of edgesType of graph
点击ok,显示图像如下(由于节点开始时随机分布的,因此图像会略有不同)。
使用鼠标滚轮调整图形大小 使用鼠标右键调整图形位置 使用底部的滑块调整线条和箭头的粗细
使用放大镜重置位置
2. 布局(Layout)
Gephi的核心就是通过布局算法确定图形布局,默认提供12种布局,详见Gehpi的网络布局。
使用左侧面板的Layout模块,选择Force Altas,设置Repulsion strength(斥力)为10000。
点击run启动算法,点击stop停止算法,显示图形如下:
3. 排序(Ranking)
排序是根据节点的指标和标签对其进行排序和归类,并以大小、颜色的形式应用到节点上。
选择Nodes-Ranking-Degree
点击Apply
4. 指标(Metrics)
可计算的指标包括:
图直径(Diameter)平均路径长度(Average Path Length):网络中任意两个节点之间的距离的平均值聚类系数(Clustering Coefficient):衡量节点聚集的程度PageRankHITS介数中心性(Betweeness Centrality)接近中心性(Closeness Centrality)离心率(Eccentricity)社区发现(Community Detection)
计算网络的平均路径长度(average path length):选择右侧面板的Statistics模块,选择Avg. Path Length,点击run。
选择Directed,点击OK计算指标。
显示结果如下:
通过计算平均路径长度可得到以下三个值:
Betweeness CentralityCloseness CentralityEccentricity
返回Ranking模块,在列表中选择Degree指标,设置size:最小尺寸10,最大尺寸50
点击apply
再次选择Layout模块,选中Adjust by Sizes
点击run,重新布局
5. 标签(Label)
(1)显示节点标签
(2)设置标签大小
(3)使用滑块设置标签大小
显示如下:
6. 社区发现(Community detection)
社区发现是网络分析的核心,Gephi实现了Louvain算法,该算法是一种基于模块度的社区发现算法。
选择左侧面板的Statistics模块,选择Modularity,点击run。
点击ok,显示结果如下
社区发现算法为每个节点创建了一个"Modularity Class"值,选中左侧面板的Partition模块,选择Modularity Class
可通过Data Laboratory查看具体指标
点击apply为节点着色,显示如下
7. 过滤(Filter)
通过创建过滤器可隐藏网络的节点和边
选择右侧面板的Filter模块,选择 “Topology” 分类下的“Degree Range”
将其拖拽到Queries
显示如下:
点击Degree Range,激活Filter,并移动滑块将下界设置为2,
点击Filter
8. 预览(Preview)
选择Preview选项卡
完成属性设置后,
点击Refresh,显示如下
可导出为SVG/PDF/PNG
精彩内容
发表评论