Experiment Report of complex network course
复杂网络实验报告
目录
Experiment Report of complex network course
复杂网络实验报告
实验目标（The objective of the experiment）：
实验流程（The flow of the experiment）：
实验总结（Summary of the experiment）：
-
实验目标（The objective of the experiment）：
使用在NASP网站中获取的网络数据，对数据进行可视化处理，利用gephi软件进行可视化操作，最终得到一份数据转化的可视化图片。再安装python中的数据包networkx，利用networkx验证节点数和边数是否正确。
-
实验流程（The flow of the experiment）：
1、登录https://snap.stanford.edu/data/soc-sign-bitcoin-alpha.html网站进行下载我们队伍所选数据集——Bitcoin Alpha trust weighted signed network，下载好csv文件，我在第一次用gephi导入的时候，发现文件数据并没有列名，无法进行边表格导入。找到解决方法后，我尝试自助修改csv文件，在每一列上方加上一个列名，分别为：来源、目标、评级、时间；
（SOURCE,TARGET,RATING,TIME）
- 文件修改完成后，开始导入到gephi进行处理：
导入成功后，展示为该界面：
这里由于节点和边的数量过于庞大，所以未经处理的可视化的效果密密麻麻一团，需要进一步的处理；
- 利用度排序的方法，将节点的颜色进行划分；接着运行得出平均路径长度：
这里在统计工具中，还可以依次运行平均聚类系数、特征向量中心度进行进一步的数据分析；
- 在外观中，设置节点的排名：根据中间集中性设置，尺寸设置为17—170，区分节点的大小；
使用统计模块中的社区检测区域的模块化功能：
Modularity Report
Parameters:
Randomize: On
Use edge weights: On
Resolution: 1.0
Results:
Modularity: 0.456
Modularity with resolution: 0.456
Number of Communities: 19
- 在分割中，利用模块化的渲染方式进行渲染，得出如下可视化图片：
- 利用统计区的平均加权度进行测量，得出结果是
Average Weighted Degree: 6.393
可以看出大多数人在比特币交易平台的信用都是合格的；
- 过滤操作：范围设置为负数，其余的过滤后：
- 利用hu yifan视图进行布局操作，部分数据分布在边缘形成一个圆；（图中中心部分的数据还是占大多数的，只是聚集在了一起）
- （最后验证成功，我们选择的网络是无标度网络）
- 进行python验证：
代码：
import pandas as pdimport networkx as nximport matplotlib.pyplot as pltdf = pd.read_csv(r"D:\HuaweiMoveData\Users\shen'zhou\Desktop\soc-sign-bitcoinalpha.csv")G = nx.DiGraph()for index, row in df.iterrows():source = row['SOURCE']target = row['TARGET']rating = row['RATING']time = row['TIME']G.add_node(source)G.add_node(target)G.add_edge(source, target, rating=rating, time=time)print(nx.number_of_nodes(G))print(nx.number_of_edges(G))target_data = df['TARGET']plt.hist(target_data, bins=10)plt.xlabel('Value')plt.ylabel('Frequency')plt.title('Distribution of TARGET')plt.show()运行后可以看出度分布直方图：
再求图的直径：
import networkx as nx
import pandas as pd
# 读取 CSV 文件并创建图
df = pd.read_csv(r"D:\HuaweiMoveData\Users\shen'zhou\Desktop\soc-sign-bitcoinalpha.csv")
G = nx.from_pandas_edgelist(df, 'SOURCE', 'TARGET', edge_attr="RATING", create_using=nx.Graph())
# 获取连通组件
connected_components = nx.connected_components(G)
diameters = []# 计算每个连通组件的直径
for component in connected_components:subgraph = G.subgraph(component)diameter = nx.algorithms.diameter(subgraph)diameters.append(diameter)
print("图的直径:", max(diameters))
运行代码后计算得出图的直径为10；
数据均符合。
至此，实验与验证均结束。
-
实验总结（Summary of the experiment）：
