作者：AlanLau Python爱好者社区专栏作者
前文传送门：
先来张Gephi绘制酷炫的人物关系图 
图中每个节点代表一个角色，节点与节点之间的连线代表共现，而连线的粗细表示共现的频次多少。节点的大小以及颜色深浅表示度的大小，即一个角色参与共现的总频次。
现在说说这张图的实现步骤：
1.对挖掘获取的语料进行角色抽取
2.对出现同一章节的角色进行合并
3.使用步骤2中的数据进行共现矩阵计算
4.利用UCINET、NETDRAW、Gephi对共现矩阵实现可视化。
1.对挖掘获取的语料进行角色抽取
先前原本使用的是jieba和nlpir两种自然语言处理包进行角色抽取的，但是后面发现效果特别差，所有后面则从百度百科上档了一批角色列表下来，那这个与原文本进行比对，实现角色的抽取。
2.对出现同一章节的角色进行合并
写爬虫的时候就实现一边爬一边对角色进行抽取。
3.使用步骤2中的数据进行共现矩阵计算
读取数据库，使用关键词共现矩阵算法构建矩阵。
算法请参考python构建关键词共现矩阵
http://blog.csdn.net/alanconstantinelau/article/details/69258443
共现矩阵
4.利用UCINET、NETDRAW、Gephi对共现矩阵实现可视化
本博客的重点在这里~
点击打开UCINET
点击file→Open→选择csv格式的共现矩阵数据
成功导入数据后，然后点击file→Save as，将数据保存为.##h后缀格式文件。
打开netdraw，依次如下图点击，打开刚刚保存的.##h文件
这个时候其实已经可以发现，netdraw已经把共现网络绘制出来了，但是效果太low了，所以这里使用gephi绘制更好的效果。
使用gephi之前，需要将netdraw打开的文件另存为.net文件。
打开运行gephi，使用gephi直接打开刚刚保存的.net后缀文件。
由于是对角色进行简单抽取，角色和角色之间不存在方向传递的性质，因此这里选择无向的。
如果是中文文本的话，下方的字体也需要改成中文的字体。比如黑体、宋体等。
滤波的作用是对结果进行筛选，这里设置度来作为筛选条件。
Python爱好者社区历史文章大合集：
Python爱好者社区历史文章列表（每周append更新一次）
福利：文末扫码立刻关注公众号，“Python爱好者社区”，开始学习Python课程：
关注后在公众号内回复“课程”即可获取：
小编的Python入门视频课程！！！
崔老师爬虫实战案例免费学习视频。
丘老师数据科学入门指导免费学习视频。
陈老师数据分析报告制作免费学习视频。
玩转大数据分析！Spark2.X+Python 精华实战课程免费学习视频。
丘老师Python网络爬虫实战免费学习视频。
