根据Excel准备Gephi的CSV数据
文章目录
- 根据Excel准备Gephi的CSV数据
- 前言
- 原始数据
- 准备点数据
- 准备边数据
- 导入CSV数据
- 后记
- 参考文档
根据Excel准备Gephi的CSV数据
前言
需要给Gephi准备点数据（Nodes）和边数据（Edges），才能使用Gephi来作可视化图分析。
本文讲解了如何在Excel中将原始数据转换成点数据和边数据，然后导入到Gephi中。
原始数据
一般地，原始数据为表格结构，每一行表示一条数据，除了主列外，还有其它的属性列。
比如一个企业，“企业名称”为主列，属性列还包括：法定代表人、股东1、持股比例1、股东2、持股比例2、执行监事和董事。
准备点数据
在原始数据Excel中新建一个名为“Nodes”的sheet，定义列：Id, Label, Type。
将原始数据的每一列数据复制到Nodes sheet的Label列，注意格式和原数据保持一致。
在Nodes sheet中选中Label列，选择 【数据】 / 【删除重复列】，来删除掉重复的值。
再在Label列中筛选和删除空值。
在Id列，填入1, 2，并使用Excel的自动填充功能来填充Id列，使得Id递增且不重复。
在Type列标注点的类型，比如企业或自然人。
将Nodes sheet另存为Nodes.csv。
准备边数据
在原始数据Excel中新建一个名为”Edges“的sheet，定义列：Source, Target, Label, Weight。
在Nodes sheet的后面复制Id列到一个新列（比如D列）。
在原始数据sheet的后面，复制一遍列名到新列。
在新列中使用VLOOKUP函数从Nodes sheet关联查找点Id：
第一列”企业名称“的值为：
# 3即为Nodes sheet的复制的Id列索引
=VLOOKUP(A2,Nodes!B:D,3,FALSE)
第二列的值为：
=VLOOKUP(B2,Nodes!B:D,3,FALSE)
以此类推，关联查找出所有新列的值。
将新列的”企业名称“复制到Edges sheet的Source列，然后复制第二列的值到Edges sheet的Target列，复制第二列的列名到Edges sheet的Label列。
以此类推，将全部新列复制到Edges sheet的Target列。
删除不能关联的N/A值。
将Weight全部填充为1。
将Edges sheet保存为Edges.csv。
导入CSV数据
在Gephi的数据资料中，选择点，选择输入电子表格，导入Nodes.csv，选择编码为中文编码（比如GB18030)来避免中文乱码。
选择图的类型（比如无向图），合并策略为Dont merge，选择Append to existing workspace。
类似地，选择Edges.csv来导入边数据，选择合并策略为Dont merge来解决平行边问题。
后记
除了可以手工地通过Excel将原始数据转换为点数据和边数据外，还可以使用Pandas库通过编程的的方式将表格数据转换成点数据和边数据。
参考文档
- http://humnviz.blogs.bucknell.edu/files/2015/11/Data-Preparation-for-Gephi.pdf