用NetworkX和PyG玩转空手道俱乐部数据集：从社交网络到GCN实战
用NetworkX和PyG玩转空手道俱乐部数据集：从社交网络到GCN实战
在探索图神经网络（GNN）的旅程中，找到一个合适的入门数据集就像获得一把打开新世界的钥匙。Zachary's karate club dataset正是这样一把钥匙——它不仅结构简单、易于理解，还蕴含着丰富的社交网络特性，堪称图数据分析领域的"Hello World"。本文将带你用Python两大主流库NetworkX和PyTorch Geometric（PyG），从不同角度把玩这个经典数据集，最终实现一个极简的图卷积网络（GCN）分类任务。
1. 认识空手道俱乐部数据集
1977年，人类学家Wayne Zachary发表了一项有趣的研究：他观察了一个大学空手道俱乐部的社交关系，记录了34名成员之间的互动。当俱乐部因管理矛盾分裂时，Zachary惊人地发现，仅凭成员间的社交关系就能预测他们最终会加入哪个阵营。
这个数据集之所以经典，在于它完美展现了现实世界社交网络的几个关键特性：
- 小世界特性：大多数成员之间只需通过少数中间人就能建立联系
- 社区结构：数据天然包含两个明显社群（后来分裂的两个阵营）
- 稀疏连接：78条边意味着平均每个成员只与4-5人直接互动
# 数据集基本信息速览 节点数 = 34 边数 = 78 特征维度 = 34 类别数 = 2 (原始)/4 (PyG处理版)2. NetworkX基础操作指南
NetworkX作为Python图分析的标准库，提供了最直观的数据处理方式。让我们从创建图对象开始：
2.1 数据加载与基础属性
import networkx as nx # 加载空手道俱乐部数据 G = nx.karate_club_graph() # 查看图的基本信息 print(f"节点数: {G.number_of_nodes()}") print(f"边数: {G.number_of_edges()}") print(f"节点属性: {list(G.nodes[0].keys())}")关键属性说明：
| 属性 | 说明 | 示例值 |
|---|---|---|
| club | 节点所属阵营 | 'Mr. Hi' 或 'Officer' |
| degree | 节点度数 | 0-17之间的整数 |
2.2 可视化与社区发现
NetworkX内置的绘图功能虽简单，但能快速呈现网络结构：
import matplotlib.pyplot as plt # 按club属性着色 color_map = [] for node in G: if G.nodes[node]['club'] == 'Mr. Hi': color_map.append('orange') else: color_map.append('skyblue') # 绘制网络图 plt.figure(figsize=(10,8)) nx.draw_spring(G, node_color=color_map, with_labels=True) plt.show()可视化时你会发现：
- 节点0（Mr. Hi）和节点33（Officer）是网络的两个中心
- 橙色和蓝色节点已初步形成两个群落
- 少数节点位于两个群落交界处（正是这些节点后来分类预测出错）
3. PyG中的高级图表示
PyTorch Geometric（PyG）为图神经网络提供了专业支持，其对空手道俱乐部数据做了深度处理：
3.1 数据加载与结构解析
from torch_geometric.datasets import KarateClub dataset = KarateClub() data = dataset[0] print(data)PyG版数据包含以下关键组件：
| 属性 | 形状 | 说明 |
|---|---|---|
| x | [34, 34] | 节点特征矩阵（独热编码） |
| edge_index | [2, 156] | 边索引（无向边存储为双向） |
| y | [34] | 节点标签（4分类） |
| train_mask | [34] | 训练集掩码 |
3.2 数据预处理技巧
PyG版本相比原始数据有几个重要改进：
- 特征工程：使用34维独热编码替代原始的无特征设计
- 标签扩展：将二分类扩展为基于模块度的4分类
- 训练划分：每类选取一个节点作为监督信号
# 查看训练集划分 print(f"训练节点索引: {data.train_mask.nonzero().squeeze().tolist()}") print(f"对应标签: {data.y[data.train_mask].tolist()}")4. 极简GCN分类实战
现在让我们用PyG构建一个微型GCN模型，体验图神经网络的魅力：
4.1 模型构建
import torch import torch.nn.functional as F from torch_geometric.nn import GCNConv class GCN(torch.nn.Module): def __init__(self): super().__init__() self.conv1 = GCNConv(dataset.num_features, 4) self.conv2 = GCNConv(4, dataset.num_classes) def forward(self, data): x, edge_index = data.x, data.edge_index x = self.conv1(x, edge_index) x = F.relu(x) x = F.dropout(x, training=self.training) x = self.conv2(x, edge_index) return F.log_softmax(x, dim=1)模型架构说明：
输入层(34) → GCN层(4) → ReLU → Dropout → GCN层(4) → LogSoftmax4.2 训练与评估
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = GCN().to(device) data = data.to(device) optimizer = torch.optim.Adam(model.parameters(), lr=0.01) model.train() for epoch in range(200): optimizer.zero_grad() out = model(data) loss = F.nll_loss(out[data.train_mask], data.y[data.train_mask]) loss.backward() optimizer.step()训练完成后，我们可以可视化节点的嵌入表示：
model.eval() out = model(data) visualize(out, color=data.y)你会观察到：
- 相同颜色的节点在嵌入空间聚集
- 四个类别形成了相对独立的簇
- 部分边界节点仍存在混淆
5. 双库对比与进阶思考
通过NetworkX和PyG的不同视角，我们对同一数据集有了立体认识：
| 特性 | NetworkX | PyG |
|---|---|---|
| 数据获取 | nx.karate_club_graph() | KarateClub() |
| 图类型 | 无向、无权 | 无向、带特征 |
| 节点特征 | 无 | 34维独热编码 |
| 标签系统 | 二分类（club属性） | 四分类（模块度） |
| 主要用途 | 网络分析、可视化 | 图神经网络训练 |
这个简单数据集仍有许多可探索方向：
- 尝试不同的GNN架构（GAT、GraphSAGE等）
- 对比有监督与无监督学习效果
- 研究不同特征工程对结果的影响
- 探索社区发现算法的应用
在实际项目中遇到类似的小规模社交网络时，不妨回想这个经典案例——它教会我们，即使最简单的图结构也能蕴含丰富的信息，而选择合适的工具才能充分挖掘这些价值。