电影演员合作关系可视化（二）数据分析与可视化

在上一篇《电影演员合作关系可视化（一）整体思路与爬虫编写》的基础上，对数据进行分析以及可视化。

一、数据预处理

对于获取的演员信息，是（演员1，演员2，演员3）的形式，的利用python中的itertools将其转换成一一对应的关系：

list(itertools.combinations(row,2))

这样就获得了合作关系数据：
演员1——演员2
演员1——演员3
演员2——演员3
具体的代码就不贴了，因为还是面向过程的代码，没有写成面向对象的形式，比较丑陋。

二、数据可视化

本次获取的3年内电影数据（2013.8-2016.8）共包含10203个节点和231885条边。说明演员有10203名（小电影演员真是个庞大的群体！！！），合作关系231885条。利用gephi 0.9.1对合作关系可视化如图所示：

这里的边太多了，影响了整体观感，所以把边去掉：

图中颜色越深，节点越大，代表该演员合作关系越多，你们猜猜最大的是谁？（文末公布答案）

三、数据分析

1.度分布
在本文的网络中，节点的度的大小就是合作次数的多少，通过度分布我们可以考察整个网络内的合作次数分布情况。
首先是平均度，也就是平均合作次数，Average Degree: 45.454。
这个数非常大有没有！平均每个演员居然合作过45次以上！
我们再看看度分布吧：

可见度高的节点很少，而度小的节点非常多，表现出明显的长尾特性。其实上面的平均度分布主要被这些大牌演员拉高了。这一现象在社交网络中十分常见。例如在知乎中，每个人回答的平均赞同数非常高，但是赞同数的中位数就很低了，平均数主要都是靠那些大V拉高的。虚拟的网络世界与现实又何尝不是如此，聚光灯下赢得万众喝彩的仅是少数，而更多的人则在每天苟且的重复中消耗着短暂的一生。

2.网络直径
该网络的网络直径为20。
这个该怎么理解呢？网络直径就是从一点到另一点的最大的路径长度。即在该合作网络中，距离最远的两人之间隔了19个人。

3.平均路径长度
该网络的平均路径长度为 5.3059。
即从一个人到另一个人平均隔着不到5个人。这个是不是很神奇？在1万多人中，一个演员想找的一个她可能从未谋面的演员，平均只要经过不到5个人！这一特性在复杂网络理论中称之为小世界现象。这又不得不提到六度分离理论（百度百科）：

六度分离（六度区隔）理论（Six Degrees of Separation）：“你和任何一个陌生人之间所间隔的人不会超过五个，也就是说，最多通过五个人你就能够认识任何一个陌生人。”根据这个理论，你和世界上的任何一个人之间只隔着五个人，不管对方在哪个国家，属哪类人种，是哪种肤色。

4.社区挖掘
在合作关系中，肯定有些人之间关系更加紧密，例如同处于一个片商的合作关系会更多，这里我们将关系紧密的演员划分到同一社区，用同一种颜色表示，就有了下图：

5.标签云
公布答案！与他人合作最多的20位老师：

有你的菜吗？