Gephi繪製微博轉發圖譜：以「@老婆孩子在天堂」為例

一、前言

以前看過一篇提取《釜山行》劇本中人物，並用Gephi繪製關係圖譜的文章，因此想用Gephi繪製下微博轉發情況，藉此來換個角度看看微博內容是怎麼擴散的。其中爬取轉發數據的思路可見於：《老樹微博，三千詩與畫》，大同小異，不再贅述。

而在選擇哪則熱門微博時，正好看到有人轉發了杭州保姆縱火案受害者家屬，林生斌，微博ID：「老婆孩子在天堂」的一則為四川地震災民捐贈物資的微博，截止周五（20170811）晚上10點20，轉發發數為54045（評論：31431，點贊：238204。之後截圖數據不同），數據量較為充足，可以一試。

另外一個選定這則微博，而非其他更具娛樂性、更能蹭熱點的話題的原因，是一直沒能為林先生干點什麼，因此如果能將轉發圖譜繪製出來，並和《爬取張佳瑋138w+知乎關注者：數據可視化》一文一樣登上網站首頁被加入今日看點的話，也姑且能算是幫其在擴散上盡了點小力。

二、Gephi簡介

Gephi是一款開源免費跨平台基於JVM的複雜網路分析軟體, 其主要用於各種網路和複雜系統，動態和分層圖的交互可視化與探測開源工具。

應用場景

探索性數據分析：直觀的網路操作實時分析。

鏈接分析：給出了關聯對象背後（特別是無標度網路下）的結構。

社交網路分析：可以輕鬆創建對應社區組織和小世界（small-world）的社交數據鏈接。

生物網路分析：展示生物數據模式。

海報創作：通過列印高品質地圖推廣科學工作。

三、數據處理

想要用Gephi繪製網路圖譜，最重要的就是知道每條網路的起點和終點，即Source和Target，以及所有這些點所組成的Id。其他還有每條網路的權重（Weight）、類型（有向的、無向的）、Id的名字Name、標籤Label等等。

而爬取微博獲得的原始數據卻是如圖格式的，因此，需要根據每一條的text內容，找出所有轉發的節點和對應的起點、終點指向關係。

以用戶「@Ponyyoung」的轉發為例，text內容如下：

「//@柯藍:危難中心裡還有別人，讓人尊敬。//@西門不暗: 這幾年公共事件中，林先生是我見過情緒最克制，表達最得體的人。命運不該對他這麼殘忍。祝福他。」

這一條網路，包含四個節點，分別為：@老婆孩子在天堂>>>@西門不暗>>>@柯藍>>>@Ponyyoung。

那麼在CSV文件里，用//分列，切分成不同列，text從右到左便分別是第一層轉發、第二層轉發、第三層轉發。知道了節點和所有轉發層級後，將數據處理成Gephi所需的格式（本項目篩選了14層轉發，越到後面數據也越少了，基本涵蓋了全部數據）：

在Nodes文件里將所有微博節點以"Id"設置為自然數的形式排列：

並進一步將Edges文件中Source和Target列，轉換成對應「Id」值：

四、Gephi繪圖

經過上述的爬取數據（截止20170813下午4點前）並將數據處理成Gephi所需的格式後，便終於到了最激動人心的繪圖步驟了。由於此前並未使用過Gephi，裡面各種參數和內置演算法都不太熟悉，能得到怎麼樣的成果圖，非常的依賴於繪製過程的操作。

此處推薦一個視頻教程和一篇操作文章：

Gephi中文教程 | Udemy

GEPHI – Introduction to Network Analysis and Visualization

後面的操作基本按照後者進行，因此不再重複講解操作步驟。不過由於電腦配置不行，跑軟體內置演算法時實在吃力，最終在只進行到3.3，給網路圖上色的步驟，模塊化處理之前。

運行Force Atlas 2演算法後，圖譜不斷發生變化：

基本穩定後，give color to see see：

還是蠻漂亮的，不是嘛！其中右上角的圓形區域，其中心便是林先生的ID所在，左右密集的圓環就是由轉發層級較少的ID所形成，結合1-14層，各層級轉發數量圖可知，在所有轉發情況中直接轉發原微博佔比最高，其次是第二層轉發。此處無法得知轉發的用戶中多少是林先生的粉絲，因而直接轉發，或者有哪些大V介入，使其擴散出去，為更多人所見：

繼續看看右上角圓環區域，所有ID所形成的節點，清晰可見：

放大，並加上ID名稱，大致如下，由於軟體內調整縮放大小和看圖，非常不便，非常卡，所有姑且只能這麼看看：

重新將目光移動到非右上角區域，錯綜複雜的轉發關係，可見一斑：

找出其中一小簇節點情況（真的是漂亮，逃）：

加上標籤，可知是由用戶「@據扯」引發的一小簇轉發：

對應到CSV表格里，進行驗證下，雖然上圖昵稱重疊嚴重，但還是基本符合的情況：

以上就是用Gephi繪製微博轉發圖譜的內容，還是那句話，由於跑不動軟體的演算法，雖然最後得到的圖也還行，但操作不算完整。也無法得知千萬粉絲、百萬粉絲的大V，或高轉發ID，在整個擴散過程中所起到的具體作用和直觀的節點情形，略感遺憾。

五、微博生命周期

林先生的原微博發布時間為20170811（周五）14:43。從截止0813（周日）16點前獲取的數據來看，本則微博的轉發數在發布後的1-2小時內達到單位小時僅萬條的高峰，之後雖然維持4-5千每小時的轉發量至深夜，但下降趨勢已然明顯可見，次日轉發數已經無法和當天相比。當然這不僅有一則微博本身生命周期的原因；前期可能有不少大V參與的原因；也有林先生髮布其他微博，大家關注點轉移等原因。

六、BDP繪製微博轉發動態熱力圖

這部分是後續一篇文章的內容，因為數據和本文相同，故也放進來下。

從發布微博的時間：20170811下午2點43分，截止20170813下午4點，用BDP個人版繪製的所有轉發的動態熱力圖如下：

七、小結

繼續在《老樹微博，三千詩與畫》之後，有針對性地抓取微博數據，但這回曾遇上API請求被拒，微博app也好幾個小時上不去的情況，看來再大規模爬微博數據時要注意了。

再是，基本完成用Gephi繪圖和前期找到轉發的節點，並將數據處理成相應格式的步驟，在沒使用過Gephi的情況下，熟悉了下將近5w條節點和邊的數據繪製成網路圖譜的流程，也對微博轉發和擴散的方式有了不同角度的認知，對一則微博的生命周期，其熱度及衰減過程有所了解。

補充一篇與本文相關的文章：《傷心橋下春波綠，曾是驚鴻照影來》