Gephi 关系网络数据可视化
关系型数据可以分为两种结构
- 层次结构：树形数据的层次关系。
- 网络结构：更加自由和复杂的关系。
关系型数据可视化基本元素：点 node 和连线 edge。点表示元素个体，连线表示关系。点的「中心性」可以用「度」来衡量；一般表示连线的数量多少连线可以是有向或是无向；连线可以添加权重表示关系强弱。
Gephi
Gephi 是一款开源跨平台的（基于 JVM）复杂网络数据分析软件，可用于各种网络数据分析，实现动态和分层图的交互可视化和探索。
加载数据
注意
节点数据必须有一列作为节点的名称（💡 也可以只加载边数据，软件自动根据边数据生成节点）。边数据必须有 target 和 source 字段名表示连线关系，否则 Gephi 无法识别。
布局
多种方法实现网络数据点布局：
- 力导向布局
- 模拟引力和弹力的算法应用，可用于模拟分级、分团
- （数据相同都可以产生类似的结构关系）但是每次的布局结果可能不一致，与设置和点的分布有关
- 如果有了合适的布局得记录下来
- 空间导向布局
- 基于空间（经纬度）进行数据布局
- 通常是有向的联系
- 规则导向布局，如弦图、树图
- 一般分为水平、垂直、放射状排布
- 有明显的层级关系
在 Gephi 中力导向布局主要使用 ForceAstlas 2 模拟数据点在物理世界中的引力和斥力
提示
而 Gephi 中的辅助性布局一般有交叠、rotate、扩展、收缩、标签调整、随机布局
数据清洗
使用 Gephi 的过滤工具和统计方法对数据进行过滤。
使用拓扑结构
基于网络的拓扑结构对书进行筛选，使用 Gephi 的巨人组件和 K 核心对数据进行过滤。
提示
巨人组件：巨人组件会保留有最多节点的连通组团。如果有两个数量一样的组团，则会优先保留内部 id。巨人组件反映的是去除边缘连接的结果。
提示
K 核心：由多个节点组成的一组（或多组）节点群。其中相互之间的连接度一致的度数称为核心度，其中 K 值就是指这个节点群中每个节点的度都不小于 K 值。K 核心表现的是相互之间的核心联系度，体现的是一群数据点中联系最强的核心群体。
常用样式设置
- 开启防止重叠
防止节点间重叠 - 节点样式设置
添加样式，基于字段/属性对节点进行分类 
节点大小设置 - 标签设置
添加节点标签