網路社群結構的視覺化呈現與洞察分析

import networkx as nx
import networkx.community as nxcom
import matplotlib.pyplot as plt
import collections

# --- 創建範例網路 ---
G_karate_demo = nx.karate_club_graph()

# --- 社群偵測 (使用前一章的結果) ---
# 確保社群偵測結果是可用的
try:
    # 重新執行社群偵測以確保數據一致性
    communities_generator = nxcom.greedy_modularity_communities(G_karate_demo, seed=42)
    communities = sorted(communities_generator, key=len, reverse=True)
    num_communities = len(communities)
    print(f"已載入或重新偵測社群，數量: {num_communities}")
except Exception as e:
    print(f"載入或重新偵測社群時出錯: {e}")
    communities = [] # 確保 communities 變數存在

# --- 視覺化輔助函數 ---

# 輔助函數：為節點設置社群屬性
def set_node_community(G, communities_list):
    '''為節點添加 'community' 屬性'''
    if not communities_list: return
    for c, nodes_in_community in enumerate(communities_list):
        for node in nodes_in_community:
            G.nodes[node]['community'] = c + 1 # 社群編號從 1 開始

# 輔助函數：為邊設置社群屬性 (僅標記內部邊)
def set_edge_community(G):
    '''為社群內的邊添加 'community' 屬性'''
    for u, v in G.edges():
        # 檢查節點是否存在 'community' 屬性
        if 'community' in G.nodes[u] and 'community' in G.nodes[v]:
            if G.nodes[u]['community'] == G.nodes[v]['community']:
                G.edges[u, v]['community'] = G.nodes[u]['community']
            else: # 外部邊標記為 0
                G.edges[u, v]['community'] = 0
        else: # 如果節點沒有社群屬性，邊也不標記
            pass

# 顏色映射函數
def get_color(community_id, n_communities, low=0.1, high=0.9):
    '''
    生成獨特的 RGB 顏色，對應社群 ID。
    使用 HSV 顏色空間轉換可能產生更易區分的顏色。
    這裡暫時沿用原有的 RGB 偏移方法，但增加社群數量的影響。
    '''
    if community_id == 0: # 外部邊的顏色
        return (0.5, 0.5, 0.5) # 灰色

    # 使用 HSV 顏色空間生成顏色，通常能產生更好的視覺區分度
    # hue = (community_id - 1) / n_communities # 社群 ID 映射到 hue 值 (0-1)
    # return plt.cm.hsv(hue) # 使用 matplotlib 的 hsv colormap

    # 或者，使用原有的 RGB 偏移方法，並調整以適應不同社群數量
    # 為了避免顏色過於接近，我們簡單地將社群ID映射到 matplotlib 的 colormap
    # 這裡使用 viridis colormap，它對顏色盲友好且有良好的視覺區分度
    # 需要將社群 ID 映射到 colormap 的範圍 [0, 1]
    if n_communities <= 1: return (0.8, 0.2, 0.2) # 單一社群或無社群，給個預設顏色

    # 將社群 ID (1 到 n_communities) 映射到 colormap 的索引
    # 確保社群 ID 0 (外部邊) 不在此範圍內
    normalized_community_id = (community_id - 1) / (n_communities - 1)
    return plt.cm.viridis(normalized_community_id)

# --- 執行視覺化 ---
if communities:
    print("\n--- 執行社群視覺化 ---")

    # 1. 設置節點和邊的社群屬性
    set_node_community(G_karate_demo, communities)
    set_edge_community(G_karate_demo)

    # 2. 準備節點顏色
    # 獲取社群數量
    n_communities = len(communities)
    # 確保節點顏色列表的順序與節點順序一致
    node_colors = []
    for node in G_karate_demo.nodes():
        community_id = G_karate_demo.nodes[node].get('community', 0) # 默認社群 ID 為 0 (外部)
        node_colors.append(get_color(community_id, n_communities))

    # 3. 準備邊顏色
    edge_colors = []
    for u, v in G_karate_demo.edges():
        community_id = G_karate_demo.edges[u, v].get('community', 0) # 默認社群 ID 為 0 (外部)
        edge_colors.append(get_color(community_id, n_communities))

    # 4. 選擇佈局
    pos = nx.spring_layout(G_karate_demo, seed=42, k=0.3) # k 參數調整節點間距

    # 5. 繪製圖形
    plt.figure(figsize=(12, 9))

    # 繪製節點
    nx.draw_networkx_nodes(G_karate_demo, pos, node_color=node_colors, node_size=300, alpha=0.9)

    # 繪製邊
    # 分開繪製內部和外部邊以控制樣式
    internal_edges = [(u, v) for u, v, d in G_karate_demo.edges(data=True) if d.get('community', 0) != 0]
    external_edges = [(u, v) for u, v, d in G_karate_demo.edges(data=True) if d.get('community', 0) == 0]

    # 獲取內部邊對應的顏色
    internal_edge_colors = [get_color(G_karate_demo.edges[u,v].get('community', 0), n_communities) for u,v in internal_edges]

    nx.draw_networkx_edges(G_karate_demo, pos, edgelist=internal_edges, edge_color=internal_edge_colors, width=1.5, alpha=0.7)
    nx.draw_networkx_edges(G_karate_demo, pos, edgelist=external_edges, edge_color='gray', width=0.5, alpha=0.4, style='dashed')

    # 繪製標籤
    nx.draw_networkx_labels(G_karate_demo, pos, font_size=10, font_weight='bold')

    plt.title("Zachary Karate Club Network - Visualized Communities", fontsize=18)
    plt.axis('off')
    plt.show()

else:
    print("\n無法進行視覺化，因為未成功偵測到社群。")