可视化分析

在分析过程的最后,通常可视化所获得的结果是非常有用的。 cdlib 提供了一些内置的工具来简化这些任务。

网络可视化

可视化图形总是一个好主意(如果其大小合理)。

plot_network_clusters(graph, partition[, ...])

此函数绘制一个图表,其中节点根据其社区分配进行颜色编码。

plot_network_highlighted_clusters(graph, ...)

此函数绘制了一个突出显示社区的网络,节点颜色编码用于社区,并在集群周围绘制多边形。

plot_community_graph(graph, partition[, ...])

此函数绘制一个图表,其中每个节点代表一个社区,节点根据社区检测算法生成的社区分配进行颜色编码。

分析图表

社区评估输出可以轻松地用于直观地表示主要分区特征。

plot_sim_matrix(clusterings, scoring)

使用提供的评分函数绘制聚类列表之间的相似性矩阵。

plot_com_stat(com_clusters, com_fitness)

绘制聚类或聚类列表中所有社区的属性分布(小提琴图)

plot_com_properties_relation(com_clusters, ...)

绘制聚类中两个属性/适应度函数之间的关系

plot_scoring(graphs, ref_partitions, ...[, ...])

绘制一系列方法在一系列图表上获得的分数。

动态社区事件图

动态社区检测算法可以使用动态社区事件框架进行评估。结果可以使用以下函数进行可视化。

plot_flow(lc[, node_focus, slice])

绘制生命周期的流程

plot_event_radar(lc, set_name, direction[, ...])

绘制给定事件集的事件权重雷达图。

plot_event_radars(lc, set_name[, ...])

绘制给定事件集在两个方向上的事件权重雷达图。

typicality_distribution(lc, direction[, ...])

绘制给定方向上事件的典型性分布。