Day 13: 社交媒体数据分析实战

学习目标

完成今天的学习后，你将能够：

进行社交网络分析
进行舆情分析
分析影响力
分析内容传播

技术原理

社交网络分析

基本概念

节点：用户、组织、设备
边：关注、转发、评论
网络密度：连接的紧密程度
中心性：节点的重要程度

分析方法

度中心性：直接连接数
介数中心性：控制信息流的能力
接近中心性：到达其他节点的速度
特征向量中心性：连接的重要性

舆情分析

分析维度

情感分析：正面、负面、中性
话题分析：热点话题识别
趋势分析：舆情变化趋势
传播分析：信息传播路径

影响力分析

影响力指标

粉丝数：关注者数量
互动率：点赞、评论、转发
传播范围：信息覆盖人数
影响力得分：综合影响力

内容传播分析

传播模型

级联模型：信息逐层传播
扩散模型：信息随机传播
病毒传播：指数级增长

案例：社交媒体数据分析

假设我们有一个社交媒体数据集，需要：

分析社交网络结构
进行舆情分析
识别关键影响者
分析内容传播

应用场景

品牌监控：品牌声誉管理
营销优化：精准营销、KOL合作
危机管理：舆情预警、危机处理
用户洞察：用户画像、行为分析

代码案例

社交网络分析

python

# 社交网络分析示例

import pandas as pd
import numpy as np
import networkx as nx
import matplotlib.pyplot as plt
from collections import Counter

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 1. 创建模拟社交网络数据
np.random.seed(42)
n_users = 50

# 生成用户数据
users = [f'用户{i+1}' for i in range(n_users)]

# 生成关注关系（边）
edges = []
for i in range(n_users):
    # 每个用户随机关注3-8个其他用户
    n_follows = np.random.randint(3, 9)
    follows = np.random.choice([u for u in users if u != users[i]], n_follows, replace=False)
    for follow in follows:
        edges.append((users[i], follow))

# 创建图
G = nx.DiGraph()
G.add_nodes_from(users)
G.add_edges_from(edges)

print(f"社交网络信息:")
print(f"节点数: {G.number_of_nodes()}")
print(f"边数: {G.number_of_edges()}")
print(f"网络密度: {nx.density(G):.4f}")

# 2. 计算中心性指标
print("\n中心性指标:")
print("=" * 50)

# 度中心性
degree_centrality = nx.degree_centrality(G)
in_degree_centrality = nx.in_degree_centrality(G)
out_degree_centrality = nx.out_degree_centrality(G)

# 介数中心性
betweenness_centrality = nx.betweenness_centrality(G)

# 接近中心性
closeness_centrality = nx.closeness_centrality(G)

# 特征向量中心性
try:
    eigenvector_centrality = nx.eigenvector_centrality(G, max_iter=1000)
except:
    eigenvector_centrality = {node: 0 for node in G.nodes()}

# 创建中心性DataFrame
centrality_df = pd.DataFrame({
    '用户': list(degree_centrality.keys()),
    '度中心性': list(degree_centrality.values()),
    '入度中心性': list(in_degree_centrality.values()),
    '出度中心性': list(out_degree_centrality.values()),
    '介数中心性': list(betweenness_centrality.values()),
    '接近中心性': list(closeness_centrality.values()),
    '特征向量中心性': list(eigenvector_centrality.values())
})

# 显示前10个用户
print("\n前10个用户的中心性指标:")
print(centrality_df.head(10))

# 3. 可视化网络
plt.figure(figsize=(12, 10))

# 节点大小基于度中心性
node_sizes = [v * 3000 for v in degree_centrality.values()]

# 节点颜色基于介数中心性
node_colors = list(betweenness_centrality.values())

# 布局
pos = nx.spring_layout(G, k=2, iterations=50)

# 绘制边
nx.draw_networkx_edges(G, pos, alpha=0.3, arrows=True, arrowsize=10)

# 绘制节点
nodes = nx.draw_networkx_nodes(G, pos, node_size=node_sizes, node_color=node_colors, 
                               cmap=plt.cm.YlOrRd, alpha=0.8)

# 绘制标签
nx.draw_networkx_labels(G, pos, font_size=8, font_family='SimHei')

plt.colorbar(nodes, label='介数中心性')
plt.title('社交网络图', fontsize=16, fontweight='bold')
plt.axis('off')
plt.show()

# 4. 网络社区检测
print("\n社区检测:")
print("=" * 50)

# 使用Louvain方法检测社区
from community import community_louvain

# 转换为无向图进行社区检测
G_undirected = G.to_undirected()
partition = community_louvain.best_partition(G_undirected)

# 统计社区
community_counts = Counter(partition.values())
print(f"社区数量: {len(community_counts)}")
print(f"各社区大小: {community_counts}")

# 可视化社区
plt.figure(figsize=(12, 10))

# 节点颜色基于社区
node_colors = [partition[node] for node in G.nodes()]

# 绘制
pos = nx.spring_layout(G, k=2, iterations=50)
nx.draw_networkx_edges(G, pos, alpha=0.3, arrows=True, arrowsize=10)
nodes = nx.draw_networkx_nodes(G, pos, node_size=500, node_color=node_colors, 
                               cmap=plt.cm.Set3, alpha=0.8)
nx.draw_networkx_labels(G, pos, font_size=8, font_family='SimHei')

plt.colorbar(nodes, label='社区')
plt.title('社交网络社区检测', fontsize=16, fontweight='bold')
plt.axis('off')
plt.show()

# 5. 关键节点识别
print("\n关键节点识别:")
print("=" * 50)

# 综合评分
centrality_df['综合得分'] = (
    centrality_df['度中心性'] * 0.3 +
    centrality_df['介数中心性'] * 0.3 +
    centrality_df['接近中心性'] * 0.2 +
    centrality_df['特征向量中心性'] * 0.2
)

# 排序
key_nodes = centrality_df.sort_values('综合得分', ascending=False).head(10)
print("\n前10个关键节点:")
print(key_nodes[['用户', '综合得分']])

舆情分析

python

# 舆情分析示例

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import jieba
from snownlp import SnowNLP
from collections import Counter
from datetime import datetime, timedelta

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 1. 创建模拟社交媒体数据
np.random.seed(42)
n_posts = 1000

# 生成帖子数据
users = [f'用户{np.random.randint(1, 101)}' for _ in range(n_posts)]
topics = np.random.choice(['科技', '娱乐', '体育', '政治', '经济'], n_posts)
dates = [datetime(2024, 1, 1) + timedelta(days=np.random.randint(0, 30)) 
         for _ in range(n_posts)]

# 生成模拟文本
positive_texts = [
    "这个产品真是太棒了，强烈推荐！",
    "服务态度很好，非常满意！",
    "质量很好，物超所值！",
    "体验非常棒，下次还会购买！"
]

negative_texts = [
    "质量太差了，非常失望！",
    "服务态度很差，不推荐！",
    "价格太贵，不值得！"
    "体验很差，不会再来了！"
]

neutral_texts = [
    "产品一般，没什么特别的。",
    "还可以吧，中规中矩。",
    "普通产品，没有惊喜。"
]

texts = []
for _ in range(n_posts):
    rand = np.random.random()
    if rand < 0.5:
        texts.append(np.random.choice(positive_texts))
    elif rand < 0.8:
        texts.append(np.random.choice(negative_texts))
    else:
        texts.append(np.random.choice(neutral_texts))

df = pd.DataFrame({
    '用户': users,
    '文本': texts,
    '话题': topics,
    '日期': dates
})

print("社交媒体数据:")
print(df.head())
print(f"\n数据形状: {df.shape}")

# 2. 情感分析
print("\n情感分析:")
print("=" * 50)

def get_sentiment(text):
    """获取情感分数"""
    try:
        s = SnowNLP(text)
        return s.sentiments
    except:
        return 0.5

df['情感分数'] = df['文本'].apply(get_sentiment)
df['情感标签'] = df['情感分数'].apply(lambda x: '正面' if x > 0.6 else ('负面' if x < 0.4 else '中性'))

# 情感分布
sentiment_counts = df['情感标签'].value_counts()
print("\n情感分布:")
print(sentiment_counts)

# 可视化情感分布
fig, axes = plt.subplots(1, 2, figsize=(14, 6))

# 饼图
axes[0].pie(sentiment_counts, labels=sentiment_counts.index, autopct='%1.1f%%',
            colors=['#ff9999', '#66b3ff', '#99ff99'], startangle=90)
axes[0].set_title('情感分布', fontsize=14, fontweight='bold')

# 柱状图
axes[1].bar(sentiment_counts.index, sentiment_counts.values, 
            color=['#ff9999', '#66b3ff', '#99ff99'], edgecolor='black')
axes[1].set_title('情感计数', fontsize=14, fontweight='bold')
axes[1].set_ylabel('数量')

plt.tight_layout()
plt.show()

# 3. 话题分析
print("\n话题分析:")
print("=" * 50)

# 按话题统计
topic_stats = df.groupby('话题').agg({
    '用户': 'count',
    '情感分数': 'mean'
}).rename(columns={'用户': '帖子数', '情感分数': '平均情感'})

print("\n话题统计:")
print(topic_stats)

# 可视化话题分析
fig, axes = plt.subplots(1, 2, figsize=(14, 6))

# 话题分布
axes[0].bar(topic_stats.index, topic_stats['帖子数'], color='skyblue', edgecolor='black')
axes[0].set_title('话题分布', fontsize=14, fontweight='bold')
axes[0].set_ylabel('帖子数')
axes[0].tick_params(axis='x', rotation=45)

# 话题情感
axes[1].bar(topic_stats.index, topic_stats['平均情感'], color='lightcoral', edgecolor='black')
axes[1].axhline(y=0.5, color='r', linestyle='--', label='中性线')
axes[1].set_title('话题平均情感', fontsize=14, fontweight='bold')
axes[1].set_ylabel('平均情感')
axes[1].tick_params(axis='x', rotation=45)
axes[1].legend()

plt.tight_layout()
plt.show()

# 4. 时间趋势分析
print("\n时间趋势分析:")
print("=" * 50)

# 按日期统计
daily_stats = df.groupby('日期').agg({
    '用户': 'count',
    '情感分数': 'mean'
}).rename(columns={'用户': '帖子数', '情感分数': '平均情感'})

# 可视化时间趋势
fig, axes = plt.subplots(2, 1, figsize=(14, 10))

axes[0].plot(daily_stats.index, daily_stats['帖子数'], 'b-', linewidth=2)
axes[0].set_title('每日帖子数', fontsize=14, fontweight='bold')
axes[0].set_ylabel('帖子数')
axes[0].grid(True, alpha=0.3)

axes[1].plot(daily_stats.index, daily_stats['平均情感'], 'r-', linewidth=2)
axes[1].axhline(y=0.5, color='g', linestyle='--', label='中性线')
axes[1].set_title('每日平均情感', fontsize=14, fontweight='bold')
axes[1].set_ylabel('平均情感')
axes[1].legend()
axes[1].grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

# 5. 词频分析
print("\n词频分析:")
print("=" * 50)

# 分词
def chinese_segment(text):
    return ' '.join(jieba.cut(text))

df['分词后'] = df['文本'].apply(chinese_segment)

# 合并所有文本
all_words = ' '.join(df['分词后']).split()
word_counts = Counter(all_words)

# 停用词
stopwords = set(['的', '了', '在', '是', '我', '有', '和', '就', '不', '人', '都', '一', '一个', '上', '也', '很', '到', '说', '要', '去', '你', '会', '着', '没有', '看', '好', '自己', '这'])

# 过滤停用词
filtered_words = [word for word in all_words if word not in stopwords and len(word) > 1]
filtered_counts = Counter(filtered_words)

print("\n前20个高频词:")
for word, count in filtered_counts.most_common(20):
    print(f"{word}: {count}")

# 可视化词频
top_words = filtered_counts.most_common(15)
words, counts = zip(*top_words)

plt.figure(figsize=(12, 6))
plt.bar(words, counts, color='skyblue', edgecolor='black')
plt.title('前15个高频词', fontsize=16, fontweight='bold')
plt.xlabel('词语')
plt.ylabel('频次')
plt.xticks(rotation=45, ha='right')
plt.grid(True, alpha=0.3, axis='y')
plt.tight_layout()
plt.show()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202

影响力分析

python

# 影响力分析示例

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import networkx as nx

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 1. 创建模拟用户数据
np.random.seed(42)
n_users = 100

# 生成用户数据
user_data = {
    '用户ID': [f'用户{i+1}' for i in range(n_users)],
    '粉丝数': np.random.exponential(1000, n_users).astype(int),
    '关注数': np.random.exponential(500, n_users).astype(int),
    '帖子数': np.random.randint(10, 1000, n_users),
    '获赞数': np.random.exponential(5000, n_users).astype(int),
    '评论数': np.random.exponential(1000, n_users).astype(int),
    '转发数': np.random.exponential(500, n_users).astype(int)
}

df = pd.DataFrame(user_data)

# 计算衍生指标
df['互动数'] = df['获赞数'] + df['评论数'] + df['转发数']
df['互动率'] = df['互动数'] / df['粉丝数']
df['内容频率'] = df['帖子数'] / 30  # 假设30天

print("用户数据:")
print(df.head())
print(f"\n数据形状: {df.shape}")

# 2. 影响力评分
print("\n影响力评分:")
print("=" * 50)

# 标准化指标
from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler()
features = ['粉丝数', '互动数', '互动率', '内容频率']
df_scaled = pd.DataFrame(scaler.fit_transform(df[features]), columns=features)

# 计算综合影响力得分
weights = {
    '粉丝数': 0.3,
    '互动数': 0.3,
    '互动率': 0.2,
    '内容频率': 0.2
}

df['影响力得分'] = sum(df_scaled[feature] * weight for feature, weight in weights.items())

# 排序
top_influencers = df.sort_values('影响力得分', ascending=False).head(20)

print("\n前20个影响力用户:")
print(top_influencers[['用户ID', '粉丝数', '互动数', '互动率', '影响力得分']])

# 3. 可视化影响力分布
fig, axes = plt.subplots(2, 2, figsize=(14, 10))

# 粉丝数分布
axes[0, 0].hist(df['粉丝数'], bins=30, color='skyblue', edgecolor='black')
axes[0, 0].set_title('粉丝数分布', fontsize=14, fontweight='bold')
axes[0, 0].set_xlabel('粉丝数')
axes[0, 0].set_ylabel('用户数')

# 互动数分布
axes[0, 1].hist(df['互动数'], bins=30, color='lightcoral', edgecolor='black')
axes[0, 1].set_title('互动数分布', fontsize=14, fontweight='bold')
axes[0, 1].set_xlabel('互动数')
axes[0, 1].set_ylabel('用户数')

# 互动率分布
axes[1, 0].hist(df['互动率'], bins=30, color='lightgreen', edgecolor='black')
axes[1, 0].set_title('互动率分布', fontsize=14, fontweight='bold')
axes[1, 0].set_xlabel('互动率')
axes[1, 0].set_ylabel('用户数')

# 影响力得分分布
axes[1, 1].hist(df['影响力得分'], bins=30, color='gold', edgecolor='black')
axes[1, 1].set_title('影响力得分分布', fontsize=14, fontweight='bold')
axes[1, 1].set_xlabel('影响力得分')
axes[1, 1].set_ylabel('用户数')

plt.suptitle('用户影响力分布', fontsize=16, fontweight='bold')
plt.tight_layout()
plt.show()

# 4. 影响力与粉丝数关系
plt.figure(figsize=(10, 8))
plt.scatter(df['粉丝数'], df['影响力得分'], alpha=0.6, color='skyblue', edgecolors='black')
plt.title('粉丝数与影响力关系', fontsize=16, fontweight='bold')
plt.xlabel('粉丝数')
plt.ylabel('影响力得分')
plt.grid(True, alpha=0.3)
plt.show()

# 5. 用户分群
from sklearn.cluster import KMeans

# 选择分群特征
cluster_features = ['粉丝数', '互动数', '互动率']
X = df[cluster_features]

# 标准化
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# K-means聚类
kmeans = KMeans(n_clusters=4, random_state=42, n_init=10)
df['用户分群'] = kmeans.fit_predict(X_scaled)

# 分析各分群
cluster_stats = df.groupby('用户分群')[cluster_features].mean()
print("\n用户分群统计:")
print(cluster_stats)

# 可视化分群
plt.figure(figsize=(10, 8))
colors = ['red', 'blue', 'green', 'orange']
for i in range(4):
    mask = df['用户分群'] == i
    plt.scatter(df.loc[mask, '粉丝数'], df.loc[mask, '影响力得分'], 
                c=colors[i], label=f'分群{i}', alpha=0.6, edgecolors='black')

plt.title('用户分群', fontsize=16, fontweight='bold')
plt.xlabel('粉丝数')
plt.ylabel('影响力得分')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

# 6. 关键意见领袖(KOL)识别
print("\n关键意见领袖(KOL)识别:")
print("=" * 50)

# 定义KOL标准
def identify_kol(row):
    """识别KOL"""
    if row['粉丝数'] > df['粉丝数'].quantile(0.9) and row['影响力得分'] > df['影响力得分'].quantile(0.8):
        return '头部KOL'
    elif row['粉丝数'] > df['粉丝数'].quantile(0.7) and row['影响力得分'] > df['影响力得分'].quantile(0.6):
        return '腰部KOL'
    elif row['粉丝数'] > df['粉丝数'].quantile(0.5) and row['影响力得分'] > df['影响力得分'].quantile(0.4):
        return '尾部KOL'
    else:
        return '普通用户'

df['用户类型'] = df.apply(identify_kol, axis=1)

# 统计各类型用户
user_type_counts = df['用户类型'].value_counts()
print("\n用户类型分布:")
print(user_type_counts)

# 可视化用户类型
fig, axes = plt.subplots(1, 2, figsize=(14, 6))

# 饼图
axes[0].pie(user_type_counts, labels=user_type_counts.index, autopct='%1.1f%%',
            colors=['#ff9999', '#66b3ff', '#99ff99', '#ffcc99'], startangle=90)
axes[0].set_title('用户类型分布', fontsize=14, fontweight='bold')

# 柱状图
axes[1].bar(user_type_counts.index, user_type_counts.values, 
            color=['#ff9999', '#66b3ff', '#99ff99', '#ffcc99'], edgecolor='black')
axes[1].set_title('用户类型计数', fontsize=14, fontweight='bold')
axes[1].set_ylabel('数量')

plt.tight_layout()
plt.show()

内容传播分析

python

# 内容传播分析示例

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import networkx as nx
from datetime import datetime, timedelta

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 1. 创建模拟传播数据
np.random.seed(42)
n_events = 1000

# 生成传播事件
event_data = {
    '事件ID': range(1, n_events + 1),
    '原始用户': [f'用户{np.random.randint(1, 51)}' for _ in range(n_events)],
    '转发用户': [f'用户{np.random.randint(1, 101)}' for _ in range(n_events)],
    '时间': [datetime(2024, 1, 1) + timedelta(hours=np.random.randint(0, 720)) 
             for _ in range(n_events)],
    '内容类型': np.random.choice(['科技', '娱乐', '体育', '政治', '经济'], n_events)
}

df = pd.DataFrame(event_data)

# 计算传播深度
df['传播深度'] = np.random.randint(1, 6, n_events)  # 1-5层传播

print("传播数据:")
print(df.head())
print(f"\n数据形状: {df.shape}")

# 2. 传播网络构建
print("\n传播网络构建:")
print("=" * 50)

# 创建传播图
G = nx.DiGraph()

# 添加边
for _, row in df.iterrows():
    G.add_edge(row['原始用户'], row['转发用户'], 
               time=row['时间'], depth=row['传播深度'])

print(f"节点数: {G.number_of_nodes()}")
print(f"边数: {G.number_of_edges()}")

# 3. 传播路径分析
print("\n传播路径分析:")
print("=" * 50)

# 计算传播深度分布
depth_counts = df['传播深度'].value_counts().sort_index()
print("\n传播深度分布:")
print(depth_counts)

# 可视化传播深度
plt.figure(figsize=(10, 6))
plt.bar(depth_counts.index, depth_counts.values, color='skyblue', edgecolor='black')
plt.title('传播深度分布', fontsize=16, fontweight='bold')
plt.xlabel('传播深度')
plt.ylabel('事件数')
plt.grid(True, alpha=0.3, axis='y')
plt.show()

# 4. 传播速度分析
print("\n传播速度分析:")
print("=" * 50)

# 计算传播速度（事件/小时）
df['时间小时'] = df['时间'].dt.hour
hourly_counts = df.groupby('时间小时').size()

plt.figure(figsize=(10, 6))
plt.plot(hourly_counts.index, hourly_counts.values, 'b-', linewidth=2, marker='o')
plt.title('每小时传播事件数', fontsize=16, fontweight='bold')
plt.xlabel('小时')
plt.ylabel('事件数')
plt.grid(True, alpha=0.3)
plt.show()

# 5. 内容类型传播分析
print("\n内容类型传播分析:")
print("=" * 50)

# 按内容类型统计
content_stats = df.groupby('内容类型').agg({
    '事件ID': 'count',
    '传播深度': 'mean'
}).rename(columns={'事件ID': '事件数', '传播深度': '平均传播深度'})

print("\n内容类型统计:")
print(content_stats)

# 可视化内容类型分析
fig, axes = plt.subplots(1, 2, figsize=(14, 6))

# 事件数
axes[0].bar(content_stats.index, content_stats['事件数'], color='skyblue', edgecolor='black')
axes[0].set_title('各内容类型事件数', fontsize=14, fontweight='bold')
axes[0].set_ylabel('事件数')
axes[0].tick_params(axis='x', rotation=45)

# 平均传播深度
axes[1].bar(content_stats.index, content_stats['平均传播深度'], color='lightcoral', edgecolor='black')
axes[1].set_title('各内容类型平均传播深度', fontsize=14, fontweight='bold')
axes[1].set_ylabel('平均传播深度')
axes[1].tick_params(axis='x', rotation=45)

plt.tight_layout()
plt.show()

# 6. 关键传播节点
print("\n关键传播节点:")
print("=" * 50)

# 计算出度（转发次数）
out_degree = dict(G.out_degree())
top_spreaders = sorted(out_degree.items(), key=lambda x: x[1], reverse=True)[:10]

print("\n前10个关键传播节点:")
for user, degree in top_spreaders:
    print(f"{user}: 转发次数 {degree}")

# 7. 传播级联分析
print("\n传播级联分析:")
print("=" * 50)

# 找到传播树
def get_cascade_size(G, start_node):
    """获取传播级联大小"""
    visited = set()
    queue = [start_node]
    while queue:
        node = queue.pop(0)
        if node not in visited:
            visited.add(node)
            queue.extend(G.successors(node))
    return len(visited)

# 找到最大的传播级联
cascade_sizes = {}
for node in G.nodes():
    if G.in_degree(node) == 0:  # 原始节点
        cascade_sizes[node] = get_cascade_size(G, node)

top_cascades = sorted(cascade_sizes.items(), key=lambda x: x[1], reverse=True)[:5]
print("\n最大的传播级联:")
for node, size in top_cascades:
    print(f"{node}: 级联大小 {size}")

# 8. 可视化传播网络
plt.figure(figsize=(14, 10))

# 节点大小基于出度
node_sizes = [out_degree.get(node, 0) * 50 + 100 for node in G.nodes()]

# 节点颜色基于入度
in_degree = dict(G.in_degree())
node_colors = [in_degree.get(node, 0) for node in G.nodes()]

# 布局
pos = nx.spring_layout(G, k=1, iterations=50)

# 绘制
nx.draw_networkx_edges(G, pos, alpha=0.2, arrows=True, arrowsize=5)
nodes = nx.draw_networkx_nodes(G, pos, node_size=node_sizes, node_color=node_colors, 
                               cmap=plt.cm.YlOrRd, alpha=0.8)
nx.draw_networkx_labels(G, pos, font_size=6, font_family='SimHei')

plt.colorbar(nodes, label='入度')
plt.title('传播网络图', fontsize=16, fontweight='bold')
plt.axis('off')
plt.show()

课后练习

练习1：社交网络分析

构建社交网络图
计算中心性指标
进行社区检测
识别关键节点

练习2：舆情分析

进行情感分析
进行话题分析
分析时间趋势
进行词频分析

练习3：影响力分析

计算影响力指标
进行用户分群
识别KOL
分析影响力分布

练习4：内容传播分析

构建传播网络
分析传播路径
分析传播速度
识别关键传播节点

常见问题

Q1: 如何处理大规模社交网络数据？

A: 可以尝试：

使用采样方法
使用分布式计算
使用图数据库
优化算法复杂度

Q2: 如何提高情感分析准确率？

A: 可以尝试：

使用预训练模型
增加训练数据
使用领域特定词典
结合多种方法

Q3: 如何识别水军？

A: 可以尝试：

分析行为模式
检测异常账号
分析内容相似度
使用机器学习

Q4: 如何处理虚假信息？

A: 可以尝试：

事实核查
来源验证
传播模式分析
用户举报

Q5: 社交媒体分析需要什么技能？

A: 需要掌握：

网络分析
文本分析
机器学习
可视化技术

下一步学习

完成今天的学习后，建议你：

练习处理真实的社交媒体数据
掌握网络分析技术
学习舆情分析方法
准备进入Day 14的学习：医疗数据分析实战

明天我们将学习医疗数据分析，这是数据分析的重要应用领域。

Day 13: 社交媒体数据分析实战 ​

学习目标 ​

技术原理 ​

社交网络分析 ​

基本概念 ​

分析方法 ​

舆情分析 ​

分析维度 ​

影响力分析 ​

影响力指标 ​

内容传播分析 ​

传播模型 ​

案例：社交媒体数据分析 ​

应用场景 ​

代码案例 ​

社交网络分析 ​

舆情分析 ​

影响力分析 ​

内容传播分析 ​

课后练习 ​

练习1：社交网络分析 ​

练习2：舆情分析 ​

练习3：影响力分析 ​

练习4：内容传播分析 ​

常见问题 ​

Q1: 如何处理大规模社交网络数据？ ​

Q2: 如何提高情感分析准确率？ ​

Q3: 如何识别水军？ ​

Q4: 如何处理虚假信息？ ​

Q5: 社交媒体分析需要什么技能？ ​

下一步学习 ​

Day 13: 社交媒体数据分析实战

学习目标

技术原理

社交网络分析

基本概念

分析方法

舆情分析

分析维度

影响力分析

影响力指标

内容传播分析

传播模型

案例：社交媒体数据分析

应用场景

代码案例

社交网络分析

舆情分析

影响力分析

内容传播分析

课后练习

练习1：社交网络分析

练习2：舆情分析

练习3：影响力分析

练习4：内容传播分析

常见问题

Q1: 如何处理大规模社交网络数据？

Q2: 如何提高情感分析准确率？

Q3: 如何识别水军？

Q4: 如何处理虚假信息？

Q5: 社交媒体分析需要什么技能？

下一步学习