Example02 / 13
社团检测与已知分组的一致性
用 Louvain（seed=0）划分空手道网络并计算模块度 Q，再统计每个社团中两派成员各有多少。 解读：若社团几乎不跨派混合，说明拓扑划分与已知的社会分裂一致； 社团数多于两派时，表示算法把某一派进一步细分，这本身不意味着划分错误。
Output输出图
Output文字输出
社团数 = 4，Q = 0.444 社团0: 大小 11，Mr. Hi 派 11 人，Officer 派 0 人 社团1: 大小 5，Mr. Hi 派 5 人，Officer 派 0 人 社团2: 大小 14，Mr. Hi 派 1 人，Officer 派 13 人 社团3: 大小 4，Mr. Hi 派 0 人，Officer 派 4 人
Code代码
# 用 Louvain（seed=0）划分空手道网络并计算模块度 Q，再统计每个社团中两派成员各有多少。
# 解读：若社团几乎不跨派混合，说明拓扑划分与已知的社会分裂一致；
# 社团数多于两派时，表示算法把某一派进一步细分，这本身不意味着划分错误。
import networkx as nx
G = nx.karate_club_graph()
comms = nx.community.louvain_communities(G, seed=0)
Q = nx.community.modularity(G, comms)
print(f"社团数 = {len(comms)}，Q = {Q:.3f}")
for i, c in enumerate(comms):
hi = sum(1 for v in c if G.nodes[v]["club"] == "Mr. Hi")
print(f"社团{i}: 大小 {len(c)}，Mr. Hi 派 {hi} 人，Officer 派 {len(c) - hi} 人")
# 作图：颜色 = Louvain 社团，形状 = 实际所属派别（圆 = Mr. Hi，方 = Officer）
import matplotlib.pyplot as plt
fig, ax = plt.subplots(figsize=(6.4, 4.2))
pos = nx.spring_layout(G, seed=3)
lab = {v: i for i, c in enumerate(comms) for v in c}
nx.draw_networkx_edges(G, pos, ax=ax, edge_color="0.6", alpha=0.4)
for club, shape in [("Mr. Hi", "o"), ("Officer", "s")]:
vs = [v for v in G if G.nodes[v]["club"] == club]
nx.draw_networkx_nodes(G, pos, nodelist=vs, ax=ax, node_shape=shape, node_size=90,
node_color=[lab[v] for v in vs], cmap="tab10", vmin=0, vmax=9)
ax.set_title(f"Louvain communities (color) vs actual factions (shape), Q = {Q:.2f}", fontsize=10); ax.axis("off")
plt.tight_layout(); plt.show()Run在浏览器中运行
首次加载 Python 环境约需 20–40 秒；可以修改参数后重新运行。