使用图数据结构处理社交网络数据：每个节点就是一个人。

每个节点的度表示关系数。为 Gephi 数据可视化软件准备数据：节点 csv 文件：node.csv(列标题：id、label；值分别是微博用户 uid、微博用户名。)

边 csv 文件：edge.csv(列标题：source、target、weight；值分别是微博用户 id、微博用户 id、权值。权值可以是人脉度数)Gephi 的处理操作：

注意：边文件中的权值可以设置差异大些，这样在 Gephi 中可以容易看出自己(研究用户)的点

背景颜色

节点 - 颜色 - Ranking(度)

节点 - 大小 - Ranking(度)

边 - 颜色 - Ranking(权重)- 换个颜色

边权重尺度

找到自己的点

格式刷(扩散可选没有、邻居)

字体设置为微软雅黑

调整好中心点的位置

布局使用 Force Atlas(斥力 600)，也可用其它布局

右侧统计计算平均度，然后用过滤，通过设置度(范围)为 2 及以上的节点保留，来分析自己圈子中的二度好友关系(这样可以看的更清晰)。

二 数据可视化细节

三 结论小结以下结论只在比较重度使用微博，或人际关系网在微博上的用户成立。红点表示自己。与之直接相连的节点为一度人脉(直接好友)。

除去直接与自己相连的，其它全部为二度人脉。

蓝点越大颜色越深表示其相互关注的好友数量越多。

二度人脉节点度为 1 的，表示大概率不属于自己的圈子。/ 二度人脉节点度不为 1 的，表示大概率可能是自己的好友(好友间共同的朋友)，或有相同的兴趣爱好。

所有节点除去节点的度为 1 的(假设没有一个一度人脉只关注了自己，没任何其它好友)。剩下的是好友圈子里的二度人脉，表示介于一度好友们之间的人，他们在直接的一度好友间起到了桥梁的作用。/ 注意：只能分析到第二度人脉，路径深度为二，但无法分析第二度人脉之间的关系！

对于一度人脉来说：

其除去度为 1 的节点外，连线分为与一度好友的连线、与二度好友的连线。/ 与一度好友的连线越多、与二度好友的连线越少，表示在一度好友圈子里的关系越紧密，与自己关系越大。/ 相反的，与一度好友的连线越少、与二度好友的连线越多，表示越偏离自己的圈子，与二度好友圈子约亲密。

对于二度人脉来说：

其除去度为 1 的节点外，连线越多，表示在好友间的关系越复杂，与自己朋友圈越亲密。

重要结论：如果一个非一度人脉节点，与自己一度人脉连接 >= 2 则是一个圈子的(至少两个共同好友)，连接数越多，与自己圈子越亲密。

四 补充说明抓二度人脉数据，即人脉深度为二(图深度为二)。/ 只能分析出第二度人脉与第一度人脉间的关系。

只能完整分析一度人脉好友，无法分析第二度人脉的好友(无法分析朋友的朋友与其间的关系。)。

五 基本数据的扩展分析通过基本数据，可以分析出一些有意思的结果。此项目的 mysql_query.py 模块已经将分析过程定义写成了 MySQL 语句，直接在主菜单使用 detail 命令即可看到所有相关统计结果。

GitHub：WFACat查询(tools 模块)：通过微博用户名查某用户基本信息

通过 uid 查某用户基本信息

通过微博用户名查某用户的互关好友列表及其好友信息

通过微博用户名查某一度好友能通过圈内二度好友认识的一度好友

所有一度好友信息统计(mysql query 模块)：总体概况：总人数、一度好友数、圈内二度好友数、二度好友数

能关联最多一度好友的圈内二度好友(取 10 条排序)，能关联谁

一度好友中与其他一度好友互关最多的人(排序)、与圈内二度好友互关最多的人；分别是哪些人

一度好友 / 圈内二度好友 / 二度好友中认证情况统计

一度好友地理位置统计、性别统计、关注数、粉丝数、状态数、点赞数、微博创建时间、互关好友总数、客户端

圈内二度好友地理位置统计、性别统计、关注数、粉丝数、状态数、点赞数、微博创建时间、互关好友总数、客户端

二度好友地理位置统计、性别统计、关注数、粉丝数、状态数、点赞数、微博创建时间、互关好友总数、客户端推测：

根据统计的结果做出一些有趣的推测(如统计手机客户端型号等)。