### 使用 Python 根据 Excel 表中的关键词生成共现网络图 要实现这一功能，可以利用 `pandas` 来读取 Excel 文件中的关键词数据，并结合 `numpy` 统计关键词之间的共现频率。之后，使用 `networkx` 和 `matplotlib` 库来构建并绘制共现网络图。 以下是完整的解决方案： #### 数据准备 假设 Excel 文件中有一列名为 `Keywords` 的字段，每行存储一组由逗号分隔的关键词字符串。例如： | Keywords | |------------------------| | 管道, 泄漏, 天然气 | | 检测, 装置 | | 连接, 气体, 固定 | --- #### 示例代码 ```python import pandas as pd import numpy as np import networkx as nx import matplotlib.pyplot as plt # 1. 加载Excel文件并提取关键词 df = pd.read_excel('keywords.xlsx') # 替换为实际路径 all_keywords = df['Keywords'].str.split(',').tolist() # 将所有关键词展平成唯一集合 unique_keywords = set(word.strip() for sublist in all_keywords for word in sublist) # 2. 构建共现矩阵 co_occurrence_matrix = pd.DataFrame(0, index=unique_keywords, columns=unique_keywords) for keyword_list in all_keywords: cleaned_keywords = [word.strip() for word in keyword_list] pairs = [(cleaned_keywords[i], cleaned_keywords[j]) for i in range(len(cleaned_keywords)) for j in range(i + 1, len(cleaned_keywords))] for pair in pairs: co_occurrence_matrix.at[pair[0], pair[1]] += 1 co_occurrence_matrix.at[pair[1], pair[0]] += 1 # 3. 创建NetworkX图形对象 G = nx.from_pandas_adjacency(co_occurrence_matrix) # 设置节点大小基于度中心性 degrees = dict(G.degree()) node_size = [v * 100 for v in degrees.values()] # 4. 可视化共现网络图 plt.figure(figsize=(10, 8)) pos = nx.spring_layout(G) # 布局算法 nx.draw_networkx_nodes(G, pos, node_color='lightblue', node_size=node_size) nx.draw_networkx_edges(G, pos, edge_color='gray') nx.draw_networkx_labels(G, pos, font_size=10, font_weight='bold') plt.title("Keyword Co-occurrence Network", fontsize=16) plt.axis('off') plt.show() ``` --- #### 解析说明 1. **加载数据** 利用 `pandas` 中的 `read_excel()` 函数加载 Excel 文件，并将每一行的关键词拆分为列表形式[^1]。 2. **构建共现矩阵** 初始化一个零矩阵作为共现矩阵的基础框架。对于每组关键词，计算两两组合的出现频次，并更新到对应的矩阵位置[^2]。 3. **创建网络图** 使用 `networkx` 提供的功能，将共现矩阵转换为无向图结构。节点代表不同的关键词，边权重表示它们共同出现的次数[^3]。 4. **可视化** 结合 `matplotlib` 对生成的网络图进行渲染展示。调整节点大小反映其在网络中的重要程度（即与其他节点相连的数量），并通过布局优化提升可读性[^1]。 --- #### 注意事项 - 如果 Excel 文件较大或者关键词数量较多，则需考虑性能优化问题。 - 共现规则可根据具体需求自定义修改，例如限定最小距离或排除低频项等条件过滤边缘噪声点[^2]。 ---