Neo4j与Python结合，实现网页排名算法与最小社区探测

之前发过一篇文章，python下的社交网络分析，但如果是只用Python的话，其实是不好用的。今天这篇文章，主要介绍下Neo4j与Python结合，是可以实现网页排名算法与最小社区探测的。

数据：用之前文章的 天龙八部 数据即可

===========================分割线===========================

首先loadcsv导入Neo4j中，

概览下：

图很大，我们先看下网络直径：网络直径的定义是最长的最短路径

好吧，最长是6，还记得6度人脉吗？

回顾下，我们看下 Catelyn与Drogo的最短路径：

也许最短路径不止一条，我们看下这俩人之间所有的最短路径：

看看关键节点的概念：如果节点位于网络中的其它两个节点之间的所有最短路径之中，那么该节点被认为是关键的

这里计算10个网络中的关键节点：

Python中上次告诉了大家怎么计算度中心性，Neo4j也可以：

关系是有权重的，那么在度中心性的基础上，我们计算下加权度中心性：

再计算下中介中心性。什么是中介中心性呢？其实就是识别连接不同集群的节点，中介中心性越高，这个节点越是连接不同集群的。不过计算中介中心性，需要在Neo4j中安装APOC插件。

再计算下接近中心性。类似于中介中心性，这是用来识别集群内部被高度连接的节点。

再看一下网页排名：网页排名算法和下面要说的最小社区探测，以及上面的各项中心性，在Python中都可以实现，但是没有数据库中实现方便、快捷、容易管理。

Neo4j中好像没有直接计算网页排名的插件，我们在Python中计算，添加到Neo4j中。有大神是用Python igraph包：pip install python-igraph，然后

但是我总安装不上，所以用了py2neo和networkx。

先把数据从Neo4j中导入到Python中：

在Python中计算网页排名：

然后把网页排名数据添加到Node节点属性中：

然后导入到Neo4j中

然后我们在Neo4j中看网页排名属性值：

网页排名越大，这个客户坏账的可能性越高。

最后看下社区最小社区探测，选择最小社区节点5，创建了6个社区，Python中计算，导入的Neo4j中。

我们看下社区是1的节点：

创建网页排名、社区后的节点其实可以再可视化一下，但是华而不实，这里就不做了。

这是1个例子，抛砖引玉吧，希望与大家共同交流。