Gephi快速入门
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 nodes
- Number of edges
- Type 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。
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
- PageRank
- HITS
- 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 Centrality
- Closeness Centrality
- Eccentricity
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
