外觀
Data Science › Network Analysis › 網路分析入門
網路分析入門 (Introduction to Network Analysis)
網路分析處理的是關係結構本身:誰和誰有連結、資訊或流量怎麼穿越網路、哪些節點扮演橋樑。網路的資訊不只在 node 與 edge 的清單,而在它們組成的結構;分析目標是把結構轉成可解讀的問題,例如重要性、路徑、群聚與推薦。
先做建模選擇
算任何指標之前,先定義:
| 決定 | 問題 | 例子 |
|---|---|---|
| Node | 代表什麼實體? | 人、站點、蛋白質、基因、細胞 |
| Edge | 代表什麼關係? | 互動、可通行路線、物理結合、共表現、相似度 |
| 方向 | 關係有方向嗎? | 追蹤、引用、轉錄調控(TF → target)有方向;PPI、好友無方向 |
| 權重 | 關係有強度、距離或成本嗎? | 互動次數、相關係數、信心分數、運輸成本 |
node 與 edge 的語意沒先釐清,後面所有指標都可能失去意義。
| 網路類型 | Node | Edge | 典型問題 |
|---|---|---|---|
| 社交網路 | 人 | 互動或關係 | 誰有影響力? |
| 交通網路 | 站點 | 可通行路線 | 最有效率的路徑? |
| 合作網路 | 使用者 | 共同參與同一個 repo / 專案 | 誰跨越多個合作圈?該推薦誰合作? |
| PPI 網路 | 蛋白質 | 物理或功能交互作用 | 哪些蛋白是 hub?哪些模組對應 complex? |
| 基因調控網路 | 轉錄因子、基因 | 調控關係(有向) | 哪些 TF 是 master regulator? |
Graph 類型
| 類型 | 意義 | NetworkX | 影響 |
|---|---|---|---|
| 無向 (undirected) | 關係雙向 | nx.Graph() | degree 只有一種 |
| 有向 (directed) | 關係有方向 | nx.DiGraph() | in-degree 與 out-degree 回答不同問題;路徑要順著方向走 |
| 多重圖 (multigraph) | 同一對節點可有多條邊 | nx.MultiGraph() / MultiDiGraph() | 多次互動不該被壓成單一連結 |
| 加權 (weighted) | 邊帶強度或成本 | edge attribute weight | 最短路徑可能不是邊數最少,而是成本最低 |
python
import networkx as nx
G = nx.Graph()
G.add_node("TP53", type="TF")
G.add_edges_from([("TP53", "MDM2"), ("TP53", "CDKN1A"), ("MDM2", "MDM4")])
G.add_edge("TP53", "ATM", weight=0.9, source="STRING") # edge attribute
G.number_of_nodes(), G.number_of_edges() # (5, 4)
G.nodes(data=True); G.edges(data=True) # 連同屬性
list(G.neighbors("TP53")) # ['MDM2', 'CDKN1A', 'ATM']
# 從 edge list DataFrame 建圖(最常見)
G = nx.from_pandas_edgelist(edges, source="protein1", target="protein2",
edge_attr="combined_score")建好圖後先檢查 node / edge 數量、屬性與連通分量是否合理,再算指標。
中心性 (Centrality)
| 指標 | 直覺 | 回答 | 注意 |
|---|---|---|---|
| Degree | 直接連了多少邊 | 誰最活躍 / 最多直接連結? | 只看鄰居,會高估「熱鬧但不關鍵」的節點 |
| Betweenness | 多常出現在其他節點對的最短路徑上 | 誰是橋樑、瓶頸? | 計算量大(大圖用 k= 抽樣近似) |
| Closeness | 到其他所有節點的平均距離倒數 | 誰能最快觸及全網? | 不連通圖要小心定義 |
| Eigenvector / PageRank | 連到重要節點的節點也重要 | 誰在核心圈? | 有向圖用 PageRank |
python
deg = nx.degree_centrality(G) # degree / (n - 1)
btw = nx.betweenness_centrality(G) # 大圖:nx.betweenness_centrality(G, k=500, seed=0)
clo = nx.closeness_centrality(G)
pr = nx.pagerank(G)
top = sorted(btw, key=btw.get, reverse=True)[:10]
兩個緊密群體以一條路徑相連:群內節點 degree 高,但橋樑節點(以及兩端的 0、7)betweenness 最高。degree 低不代表不重要;移除橋樑節點,網路就斷成兩半。
生資網路中 hub(高 degree)常是研究較多的基因:文獻研究偏差 (study bias) 會讓熱門基因累積更多已知交互作用。比較 degree 前,考慮用資料驅動的網路或校正研究次數。
路徑
| 問題 | NetworkX |
|---|---|
| 兩點最短路徑 | nx.shortest_path(G, a, b)、加權:weight="cost" |
| 所有最短路徑 | nx.all_shortest_paths(G, a, b) |
| 最短路徑長度 | nx.shortest_path_length(G, a, b) |
| 是否連通、連通分量 | nx.is_connected(G)、nx.connected_components(G) |
最短路徑的定義要和 edge 意義一致:權重代表距離或成本時,不能只看 hop 數;權重代表相似度或信心時(相關係數、STRING score),要先轉成距離(例如 1 - score 或 -log(score))再算最短路徑,否則會找到「最不相似」的路徑。
Clique 與 Subgraph
clique 是一組兩兩完全相連的節點,最小的非平凡 clique 是三角形。maximal clique 是無法再加入任何節點而仍是 clique 的 clique,常用來找緊密群體(如蛋白質複合體)的起點。
python
cliques = list(nx.find_cliques(G)) # 所有 maximal cliques
largest = max(cliques, key=len)
# 大圖先聚焦局部:某節點及其鄰居的子圖
nodes = [hub] + list(G.neighbors(hub))
sub = G.subgraph(nodes).copy() # subgraph 預設是 view,要修改時 copy
ego = nx.ego_graph(G, hub, radius=2) # 兩步內的鄰域真實網路太大時,直接看全圖只是一團毛球。常見節奏:全圖找重要節點 → 取鄰居建子圖 → 在局部檢查社群、橋接或推薦機會。
視覺化是推理工具,不是裝飾
視覺化可以快速看出團塊、橋樑、緊密區域與局部鄰域是否合理,但 layout 不是數學事實:換一個 layout 或 seed,圖看起來可能完全不同,相近的位置也不代表相近的關係。判斷要回到指標。
python
import matplotlib.pyplot as plt
pos = nx.spring_layout(G, seed=0) # 固定 seed 才能重現
nx.draw(G, pos, node_size=[300 * btw[n] + 20 for n in G], with_labels=False)大型或需要註解的生物網路用 Cytoscape 或 Gephi 畫較方便。
工作流程
- 定義 node、edge、方向與權重
- 建圖,檢查節點、邊、屬性、連通分量
- 判斷是有向、無向、加權還是多重圖問題
- 先算 degree,再看 betweenness 與最短路徑
- 圖太大時切子圖做局部檢查
- 懷疑有緊密群體時看 clique 或社群偵測
- 回到原本的任務:影響力、路徑、社群或推薦
推薦不一定要從 user-item 矩陣出發,也可以從 graph 結構出發:例如推薦「朋友的朋友」中共同鄰居最多的人(nx.common_neighbors、nx.jaccard_coefficient)。
常見錯誤
| 錯誤 | 後果 |
|---|---|
| 把任何關聯資料都硬畫成 graph,沒有清楚的 edge 意義 | 指標無法解讀 |
| 忽略有向 vs 無向 | in / out 角色混在一起、走不通的路徑被算進去 |
| 把高 degree 當成所有形式的重要性 | 漏掉橋樑節點 |
| 只看視覺化不看指標 | 被 layout 誤導 |
| 不切子圖,硬讀全圖 | 看不出結構 |
| 把 clique 或社群當成絕對真實的群體 | 它們取決於建模定義與演算法 |