您现在的位置是：亿华云 > IT科技类资讯

这个图聚类Python工具火了：社群结构可视化、检测

亿华云2025-10-04 03:25:28【IT科技类资讯】6人已围观

简介本文经AI新媒体量子位公众号ID:QbitAI）授权转载，转载请联系出处。最近，又有一款Python可视化工具火了。这一次，功能是针对图聚类问题的社群结构进行检测、可视化。该项目的帖子在reddit上

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，个图工具构转载请联系出处。聚类检测

最近，火社又有一款Python可视化工具火了。群结

这一次，视化功能是个图工具构针对图聚类问题的社群结构进行检测、可视化。聚类检测

该项目的火社帖子在reddit上一经发布，就被顶到了“机器学习板块”的群结榜首。

一起来看看它究竟都能用来做什么吧~

功能亮点

这款工具叫作communities，视化是个图工具构一个Python库，用于图聚类问题的聚类检测社群结构检测。

它支持多种算法，火社包括：

Louvain算法； Girvan-Newman算法；层次聚类算法；光谱聚类算法； Bron-Kerbosch算法。群结

更赞的视化是，communities还可以实现这些算法的可视化。

具体了解一下～

导入算法并插入矩阵

这里以Louvain算法为例。

这是一种基于模块度的社群发现算法，也是贪心算法。

它根据顶点的共享边将顶点排列成社群结构，也就是站群服务器说，它将节点分为几个社群，每个社群之间共享很少的连接，但是同一社群的节点之间共享许多连接。

最终，让整个社群网络呈现出一种模块聚集的结构，实现整个社群网络的模块度的最大化。

所以首先，我们需要构建一个表示无向图的邻接矩阵，可以加权，也可以不加权，矩阵为2Dnumpy数组。

n*n矩阵则表示有n个节点，矩阵的每个位置分别表示各节点之间边的关系，有边则为1，没有边则为0。

然后，只需从communities.algorithms中导入算法并插入矩阵。

import numpy as np from communities.algorithms import louvain_method adj_matrix = np.array([[0, 1, 1, 0, 0, 0], [1, 0, 1, 0, 0, 0], [1, 1, 0, 1, 0, 0], [0, 0, 1, 0, 1, 1], [0, 0, 0, 1, 0, 1], [0, 0, 0, 1, 1, 0]]) communities, _ = louvain_method(adj_matrix) # >>> [{ 0, 1, 2}, { 3, 4, 5}]

接下来输出社群列表，每个社群即为一组节点。

实现可视化，并进行颜色编码

利用communities将图进行可视化，将节点分到社群中并进行颜色编码，还可以选择深色或浅色背景、香港云服务器保存图片、选择图片的分辨率等等。

draw_communities(adj_matrix : numpy.ndarray, communities : list, dark : bool = False, filename : str = None, seed : int = 1)

其中各参数的具体含义为：

adj_matrix (numpy.ndarray)：图的邻接矩阵； dark (bool, optional (default=False))：如果为 True, 则绘图为深色背景，否则为浅色背景； filename (str or None, optional (default=None))：通过 filename 路径可以将图另存为PNG格式; 设置 None 则是用交互方式显示图； dpi (int or None, optional (default=None))：每英寸的点数，控制图像的分辨率； seed (int, optional (default=2))：随机种子。

具体到Louvain算法的可视化，代码是这样的：

from communities.algorithms import louvain_method from communities.visualization import draw_communities adj_matrix = [...] communities, frames = louvain_method(adj_matrix) draw_communities(adj_matrix, communities)

动画呈现算法

communities 还可以动画呈现节点分配到社群的过程。

louvain_animation(adj_matrix : numpy.ndarray, frames : list, dark : bool = False, duration : int = 15, filename : str = None, dpi : int = None, seed : int = 2)

其中各参数的含义如下：

adj_matrix (numpy.ndarray)：图的邻接矩阵； frames (list)：算法每次迭代的字典列表；每个字典都有俩个键：“C”包含节点到社群的查找表，“Q”表示图的模块度数值；此字典列表是 louvain_method的第二个返回值； dark (bool, optional (default=False))：如果为 True, 则动画为深色背景和配色方案，否则为浅色方案； duration (int, optional (default=15))：动画所需的持续时间，以秒为单位； filename (str or None, optional (default=None))：通过filename 路径将动画存为GIF；设置None则以交互方式展示动画； dpi (int or None, optional (default=None))：每英寸点数，控制动画的分辨率； seed (int, optional (default=2))：随机种子。

例如，空手道俱乐部网络中Louvain算法的服务器租用动画呈现：

from communities.algorithms import louvain_method from communities.visualization import louvain_animation adj_matrix = [...] communities, frames = louvain_method(adj_matrix) louvain_animation(adj_matrix, frames)