一 处理数据
- 使用图数据结构处理社交网络数据：
- 每个节点就是一个人。
- 每个节点的度表示关系数。
- 为 Gephi 数据可视化软件准备数据：
- 节点 csv 文件：node.csv（列标题：id、label；值分别是微博用户 uid、微博用户名。）
- 边 csv 文件：edge.csv（列标题：source、target、weight；值分别是微博用户 id、微博用户 id、权值。权值可以是人脉度数）
- Gephi 的处理操作：
- 注意：边文件中的权值可以设置差异大些，这样在 Gephi 中可以容易看出自己（研究用户）的点
- 背景颜色
- 节点 - 颜色 - Ranking（度）
- 节点 - 大小 - Ranking（度）
- 边 - 颜色 - Ranking（权重）- 换个颜色
- 边权重尺度
- 找到自己的点
- 格式刷（扩散可选没有、邻居）
- 字体设置为微软雅黑
- 调整好中心点的位置
- 布局使用 Force Atlas（斥力 600），也可用其它布局
- 右侧统计计算平均度，然后用过滤，通过设置度（范围）为 2 及以上的节点保留，来分析自己圈子中的二度好友关系（这样可以看的更清晰）。
二 数据可视化细节
三 结论小结
以下结论只在比较重度使用微博，或人际关系网在微博上的用户成立。
红点表示自己。与之直接相连的节点为一度人脉（直接好友）。
除去直接与自己相连的，其它全部为二度人脉。
蓝点越大颜色越深表示其相互关注的好友数量越多。
二度人脉节点度为 1 的，表示大概率不属于自己的圈子。/ 二度人脉节点度不为 1 的，表示大概率可能是自己的好友（好友间共同的朋友），或有相同的兴趣爱好。
所有节点除去节点的度为 1 的（假设没有一个一度人脉只关注了自己，没任何其它好友）。剩下的是好友圈子里的二度人脉，表示介于一度好友们之间的人，他们在直接的一度好友间起到了桥梁的作用。/ 注意：只能分析到第二度人脉，路径深度为二，但无法分析第二度人脉之间的关系！
对于一度人脉来说：
其除去度为 1 的节点外，连线分为与一度好友的连线、与二度好友的连线。/ 与一度好友的连线越多、与二度好友的连线越少，表示在一度好友圈子里的关系越紧密，与自己关系越大。/ 相反的，与一度好友的连线越少、与二度好友的连线越多，表示越偏离自己的圈子，与二度好友圈子约亲密。对于二度人脉来说：
其除去度为 1 的节点外，连线越多，表示在好友间的关系越复杂，与自己朋友圈越亲密。重要结论：如果一个非一度人脉节点，与自己一度人脉连接 >= 2 则是一个圈子的（至少两个共同好友），连接数越多，与自己圈子越亲密。
四 补充说明
抓二度人脉数据，即人脉深度为二（图深度为二）。/ 只能分析出第二度人脉与第一度人脉间的关系。
只能完整分析一度人脉好友，无法分析第二度人脉的好友（无法分析朋友的朋友与其间的关系。）。
五 基本数据的扩展分析
通过基本数据，可以分析出一些有意思的结果。此项目的 mysql_query.py 模块已经将分析过程定义写成了 MySQL 语句，直接在主菜单使用 detail 命令即可看到所有相关统计结果。
GitHub：WFACat
- 查询（tools 模块）：
通过微博用户名查某用户基本信息
通过 uid 查某用户基本信息
通过微博用户名查某用户的互关好友列表及其好友信息
通过微博用户名查某一度好友能通过圈内二度好友认识的一度好友
所有一度好友信息
- 统计（mysql query 模块）：
总体概况：总人数、一度好友数、圈内二度好友数、二度好友数
能关联最多一度好友的圈内二度好友（取 10 条排序），能关联谁
一度好友中与其他一度好友互关最多的人（排序）、与圈内二度好友互关最多的人；分别是哪些人
一度好友 / 圈内二度好友 / 二度好友中认证情况统计
一度好友地理位置统计、性别统计、关注数、粉丝数、状态数、点赞数、微博创建时间、互关好友总数、客户端
圈内二度好友地理位置统计、性别统计、关注数、粉丝数、状态数、点赞数、微博创建时间、互关好友总数、客户端
二度好友地理位置统计、性别统计、关注数、粉丝数、状态数、点赞数、微博创建时间、互关好友总数、客户端
- 推测：
根据统计的结果做出一些有趣的推测（如统计手机客户端型号等）。
