python-louvain

article/2025/9/27 22:22:44

安装

louvain当前最新版本：0.14

pip install python-louvain

由于是处理社区的数据，这里还是安装networkx

pip install networkx

在这里插入图片描述

使用

不妨来运行下一个案例：

import community as community_louvain
import matplotlib.cm as cm
import matplotlib.pyplot as plt
import networkx as nx# load the karate club graph
G = nx.karate_club_graph()#first compute the best partition
partition = community_louvain.best_partition(G)# compute the best partition
partition = community_louvain.best_partition(G)# draw the graph
pos = nx.spring_layout(G)
# color the nodes according to their partition
cmap = cm.get_cmap('viridis', max(partition.values()) + 1)
nx.draw_networkx_nodes(G, pos, partition.keys(), node_size=40,cmap=cmap, node_color=list(partition.values()))
nx.draw_networkx_edges(G, pos, alpha=0.5)
plt.show()

在这里插入图片描述

API学习

使用Louvain heuristices算法来进行社区的划分，试图获得最多的社区。

community.best_partition(graph, partition=None, weight='weight', resolution=1.0, randomize=None, random_state=None)

参数	参数说明
`graph`	`networkx.Graph`
`partition`	`dict`, `optional`；将使用这些节点开始划分，最终字典键是这些节点，值是所划分的社区
`weight`	`str`, `optional`；使用图中的键作为权重，默认是`weight`
`resolution`	`double`, `optional`; 将会改变社区的大小，默认是1，该值越大划分的社区越少，反之亦然
`randomize`	`boolean`, `optional`；随机化节点评估顺序和社区评估顺序，以在每次调用时获得不同的划分
`random_state`	`int`, `RandomState instance or None`, `optional (default=None)`；如果`int`，`random_state`是随机数生成器使用的种子；如果`RandomState`实例，`random_state`是随机数生成器；如果没有，则随机数生成器是使用`np.random`的`RandomState`实例.