最近，又有一款Python可視化工具火了。

這一次，功能是針對圖聚類問題的社群結(jié)構(gòu)進(jìn)行檢測、可視化。

該項(xiàng)目的帖子在reddit上一經(jīng)發(fā)布，就被頂?shù)搅恕皺C(jī)器學(xué)習(xí)板塊”的榜首。

一起來看看它究竟都能用來做什么吧~

功能亮點(diǎn)

這款工具叫做communities， 是一個(gè)Python庫，用于圖聚類問題的社群結(jié)構(gòu)檢測。

它支持多種算法，包括：

• Louvain算法；
• Girvan-Newman算法；
• 層次聚類算法；
• 光譜聚類算法；
• Bron-Kerbosch算法。

更贊的是，communities還可以實(shí)現(xiàn)這些算法的可視化。

具體了解一下～

導(dǎo)入算法并插入矩陣

這里以Louvain算法為例。

這是一種基于模塊度的社群發(fā)現(xiàn)算法，也是貪心算法。

它根據(jù)頂點(diǎn)的共享邊將頂點(diǎn)排列成社群結(jié)構(gòu)，也就是說，它將節(jié)點(diǎn)分為幾個(gè)社群，每個(gè)社群之間共享很少的連接，但是同一社群的節(jié)點(diǎn)之間共享許多連接。

最終，讓整個(gè)社群網(wǎng)絡(luò)呈現(xiàn)出一種模塊聚集的結(jié)構(gòu)，實(shí)現(xiàn)整個(gè)社群網(wǎng)絡(luò)的模塊度的最大化。

所以首先，我們需要構(gòu)建一個(gè)表示無向圖的鄰接矩陣，可以加權(quán)，也可以不加權(quán)，矩陣為2Dnumpy數(shù)組。

n*n矩陣則表示有n個(gè)節(jié)點(diǎn)，矩陣的每個(gè)位置分別表示各節(jié)點(diǎn)之間邊的關(guān)系，有邊則為1，沒有邊則為0。

然后，只需從communities.algorithms中導(dǎo)入算法并插入矩陣。

接下來輸出社群列表，每個(gè)社群即為一組節(jié)點(diǎn)。

實(shí)現(xiàn)可視化，并進(jìn)行顏色編碼

利用communities將圖進(jìn)行可視化，將節(jié)點(diǎn)分到社群中并進(jìn)行顏色編碼，還可以選擇深色或淺色背景、保存圖片、選擇圖片的分辨率等等 。

其中各參數(shù)的具體含義為：

• adj_matrix (numpy.ndarray)：圖的鄰接矩陣；
• dark (bool, optional (default=False))：如果為 True, 則繪圖為深色背景，否則為淺色背景；
• filename (str or None, optional (default=None))：通過 filename 路徑可以將圖另存為PNG格式; 設(shè)置 None 則是用交互方式顯示圖；
• dpi (int or None, optional (default=None))：每英寸的點(diǎn)數(shù)，控制圖像的分辨率；
• seed (int, optional (default=2))：隨機(jī)種子。

具體到Louvain算法的可視化，代碼是這樣的：

動(dòng)畫呈現(xiàn)算法

communities 還可以動(dòng)畫呈現(xiàn)節(jié)點(diǎn)分配到社群的過程。

其中各參數(shù)的含義如下：

• adj_matrix (numpy.ndarray)：圖的鄰接矩陣；
• frames (list)：算法每次迭代的字典列表；
• 每個(gè)字典都有倆個(gè)鍵：“C”包含節(jié)點(diǎn)到社群的查找表，“Q”表示圖的模塊度數(shù)值；
• 此字典列表是 louvain_method的第二個(gè)返回值；
• dark (bool, optional (default=False))：如果為 True, 則動(dòng)畫為深色背景和配色方案，否則為淺色方案；
• duration (int, optional (default=15))：動(dòng)畫所需的持續(xù)時(shí)間，以秒為單位；
• filename (str or None, optional (default=None))：通過filename 路徑將動(dòng)畫存為GIF；設(shè)置None則以交互方式展示動(dòng)畫；
• dpi (int or None, optional (default=None))：每英寸點(diǎn)數(shù)，控制動(dòng)畫的分辨率；
• seed (int, optional (default=2))：隨機(jī)種子。

例如，空手道俱樂部網(wǎng)絡(luò)中Louvain算法的動(dòng)畫呈現(xiàn)：

我們可以看到Louvain算法的動(dòng)態(tài)過程：

• 首先掃描數(shù)據(jù)中的所有節(jié)點(diǎn)，將每個(gè)節(jié)點(diǎn)看做一個(gè)獨(dú)立的社群；
• 接下來，遍歷每個(gè)節(jié)點(diǎn)的鄰居節(jié)點(diǎn)，判斷是否將該節(jié)點(diǎn)加入鄰居節(jié)點(diǎn)所在的社群，以提升模塊度；
• 這一過程重復(fù)迭代，直到每一個(gè)節(jié)點(diǎn)的社群歸屬穩(wěn)定；
• 最后，將所有在同一個(gè)社群的節(jié)點(diǎn)壓縮成一個(gè)新節(jié)點(diǎn)，計(jì)算新節(jié)點(diǎn)的權(quán)重，直到整個(gè)圖的模塊度穩(wěn)定。

大家可以通過文末鏈接，自行嘗試一下其他算法～

此外，它還可以用于社群間鄰接矩陣、拉普拉斯矩陣以及模塊度矩陣等。

對于這款工具，不少網(wǎng)友發(fā)出“awesome”、“really cool！”等花式贊嘆，表示正是自己需要的。

當(dāng)然，也有網(wǎng)友提出疑問，例如：是否可以指定執(zhí)行的迭代次數(shù)（例如：提前停止）？

開發(fā)者對此表示：不能，但是對于某些算法，可以指定要將圖形劃分為多少個(gè)社群。

項(xiàng)目開發(fā)者Jonathan Shobrook，他目前是美國一家電商公司的軟件工程師。

之前GitHub上的熱門項(xiàng)目Rebound，也是出自他手，已經(jīng)獲得3.5k星。

更多信息可戳下方鏈接了解～

相關(guān)鏈接：

[1]https://github.com/shobrook/communities[2]https://www.reddit.com/r/MachineLearning/comments/lozys9/p_i_made_communities_a_library_of_clustering/

文章來源于網(wǎng)絡(luò)，侵刪！