2015年6月21日 使用Python分析社交网络数据

Archive Album

使用Python分析社交网络数据A UG,03 20 14

Python简介

数据抓取

一、直接抓取数据

二、模拟浏览器抓取数据

三、基于API接口抓取数据

数据预处理

可视化

数据分析

节点属性

网络属性

传播属性

扩散深度

扩散速度

空间分布

结语

参考文献

在线社交网站为人们提供了一个构建社会关系网络和互动的平台。每一个人和组织都可以通过社交网站互动、获取信息并发出自己的声音，

因而吸引了众多的使用者。作为一个复杂的社会系统，在线社交网站真实地记录了社会网络的增长以及人类传播行为演化。通过抓取并分析

在线社交网站的数据，研究者可以迅速地把握人类社交网络行为背后所隐藏的规律、机制乃至一般性的法则。

然而在线社交网络数据的获取方法有别于线下社会数据的获取 (如普查、社会调查、实验、内容分析等)、数据的规模往往非常大 (称之

为“大数据”并不为过)、跨越的时间范围也相对较长 (与社会调查中的横截面数据相比)，常规的数据分析方法并不完全适用。例如传统的

社会调查的数据往往样本量有限，而在线社交网络中的样本量可以达到千万甚至更多。因而，研究者迫切得需要寻找新的数据获取、预处理

和分析的方法。本章的内容具体包括数据的抓取、数据预处理、数据可视化和数据分析部分。

Python简介

本章将简要介绍使用python分析社交网络数据的方法。Python是一种广泛使用的高级编程语言，具有可读性强、编写容易、类库丰富等特

点。作为一种“胶水语言”，它可以将使用其他语言编写的各种模块 (尤其是C/C++)轻松地联结在一起。自从1991年推出第一个正式版本，

因其使用方便，Python社区迅速发展，越来越多的程序员开始使用Python编写程序并贡献了各种功能强大的类库。它被TIOBE编程语言排行

榜评为“2010年度编程语言”。

除了免费、功能强大、使用者众多之外，与R和MATLAB相比，Python是一门更易学、更严谨的程序设计语言。如同其它编程语言一样，

Python语言的基础知识包括：类型、列表 (list )和元组 (tuple )、字典 (dictionary )、条件、循环、异常处理等。关于这些，初阶读者可

以阅读 《Beginning Python》一书 (Hetland, 2005)。作为一个相对非常完善的编程语言，使用Python编写的脚本更易于理解和维护。

另外，Python中包含了丰富的类库。众多开源的科学计算软件包都提供了Python的调用接口，例如著名的计算机视觉库OpenCV 。Python本

身的科学计算类库发展也十分完善，例如NumPy 、SciPy和matplotlib等。就社会网络分析而言，igraph, networkx, graph-tool, Snap.py等类

库提供了丰富的网络分析工具。

读者可以根据个人电脑的操作系统安装相应的Python版本。目前最新的Python版本为3.0，但是通常使用者会选择使用更稳定的2.7版本。虽

然使用者也可以使用文本编辑器编写代码，但是使用体验不如使用好的编译器。编译器是编写程序的重要工具。目前，免费的Python编译器

/blog/2014-08-03-study-osn-using-python#toc_2 1/18

2015年6月21日 使用Python分析社交网络数据

有Spyder、PyCharm(免费社区版)、Ipython、Vim、 Emacs、 Eclipse(加上PyDev插件)。对于使用Windows操作系统的用户，推荐使用

Winpython。Winpython内置了Spyder为编译器，与Python(x,y)相比大小适中；免安装，下载后解压即可用；安装类库很方便，并且内置了

NumPy 、SciPy等类库。

数据抓取

目前社交网站的公开数据很多，为研究者检验自己的理论模型提供了很多便利。例如斯坦福的社会网络分析项目就分享了很多相关的数据

集。社交网站为了自身的发