5. ネットワークデータ分析

学習目標

• ネットワークデータの構造（ノード・エッジ・重み）を説明できる
• NetworkX でグラフを構築し、基本的な操作ができる
• 主要な中心性指標（次数中心性・媒介中心性・近接中心性）の意味を理解する
• 力学レイアウト（spring layout）でネットワークを可視化できる
• 集計済みのエッジ・ノードデータからネットワーク分析の流れを再現できる

本文

ネットワークデータとは

これまでの単元で扱ってきたデータは「行が観測、列が特徴」という 表形式（テーブル） でした。ネットワークデータは、これとは性質が違う 「点と線」 の構造を持ちます。

• ノード（節点、Node） — 個々の対象。人・組織・場所・遺伝子など
• エッジ（辺、Edge） — ノード同士の つながり。友人関係、共同提出、配線、リンクなど
• 重み（Weight） — エッジの強さ。「何回つながったか」「距離は何 km か」など

ネットワーク分析の主要な問いは：

• 中心的なノードはどれか？（影響力の強い人、要となるハブ）
• いくつかのグループ（コミュニティ）に分かれていないか？
• 全体がどれくらい密につながっているか？

これらは表形式データの集計だけでは見えにくく、ネットワーク特有の指標と可視化で初めて見えてきます。

NetworkX — Python のネットワーク分析ライブラリ

NetworkX は Python の事実上の標準ネットワークライブラリです。Colab には標準でインストールされているので、import するだけで使えます。

import networkx as nx

慣例で nx の別名を使います。

グラフを作る

最小限のグラフは数行で構築できます：

G = nx.Graph()                      # 無向グラフ
G.add_node("A")
G.add_node("B")
G.add_edge("A", "B", weight=3)     # A と B を重み 3 でつなぐ

print(G.nodes())   # NodeView(['A', 'B'])
print(G.edges())   # EdgeView([('A', 'B')])
print(G.number_of_nodes(), G.number_of_edges())  # 2 1

• nx.Graph() — 無向グラフ（A-B と B-A を区別しない）
• nx.DiGraph() — 有向グラフ（リンク・フォロー関係など、向きが意味を持つもの）

エッジを大量に追加するときは、ペアのリストから一気に作れます：

edges = [("A", "B", 3), ("A", "C", 1), ("B", "C", 2)]
G.add_weighted_edges_from(edges)

CSV からネットワークを構築する

実データはたいてい CSV で渡されます。「エッジリスト」形式（2 列の CSV）からなら直接読み込めます：

import pandas as pd

df_edges = pd.read_csv("/content/drive/MyDrive/network/edges.csv")
# 列: source, target, weight

G = nx.from_pandas_edgelist(
    df_edges,
    source="source",
    target="target",
    edge_attr="weight",
)

ノードに属性（職業・所属など）を付けたい場合は、ノードリストから別途追加します。

中心性指標 — 「重要なノード」を見つける

ネットワーク分析の中核は 中心性（centrality） の計算です。「どのノードが全体の中で重要か」を定量化する指標で、代表的なものは次の 3 つ：

NetworkX では一行で取り出せます：

deg = nx.degree_centrality(G)        # {ノード: 値} の辞書
bet = nx.betweenness_centrality(G)
clo = nx.closeness_centrality(G)

結果は DataFrame に変換して並べ替えると見やすくなります：

centrality_df = pd.DataFrame({
    "次数": deg,
    "媒介": bet,
    "近接": clo,
}).sort_values("次数", ascending=False)
centrality_df.head(10)

「次数は高いけど媒介は低い」のような違いに注目すると、ノードの 役割の違い（人気者か、仲介役か）が見えてきます。

力学レイアウトでの可視化

ネットワークを 2 次元に配置するアルゴリズムが何種類かあります。最も汎用的なのが 力学レイアウト（spring layout / Force-directed layout） で、「エッジを バネ に見立てて、互いに引き合ったり反発したりさせる」という発想です。結果として、密につながったノード同士は近くに、つながりが薄いノード同士は遠くに 配置されます。

import matplotlib.pyplot as plt

pos = nx.spring_layout(G, k=0.5, iterations=50, seed=42)

plt.figure(figsize=(10, 10))
nx.draw_networkx_nodes(G, pos, node_size=100)
nx.draw_networkx_edges(G, pos, alpha=0.3)
nx.draw_networkx_labels(G, pos, font_size=8)
plt.axis("off")
plt.show()

• k — ノード間の理想距離。大きいほど散らばる
• iterations — 計算の繰り返し回数。多いほど安定するが時間がかかる
• seed — 乱数シード。固定すれば毎回同じレイアウトが得られる

実例：議員の共同提出ネットワーク

題材のデータセットは、衆議院議員が どの議案を誰と一緒に提出したか から作られたネットワークです。

• ノード = 議員
• エッジ = 同じ議案の共同提出者であること
• 重み = 共同提出した議案の回数

完成 Notebook では、生データ（議案一覧）から和暦の日付変換、共同提出者の抽出、エッジリスト化までの一連の処理が含まれています。元データは大規模なため履修者向けには配布せず、集計済みのエッジ・ノードデータから可視化と中心性計算を体験する 形にしています。

色や位置の塊から「派閥的なまとまり」「橋渡し的な議員」が読み取れる、というのがこの可視化の見どころです。

解釈のときに気を付けること

• エッジの定義が分析の方向性を決める — 「共同提出」をエッジにすれば派閥が見えるが、「賛成投票が一致」をエッジにすれば違う構造が浮かぶ
• 時系列を無視するとミスリードする — 古いつながりと最近のつながりは性質が違う。直近 N 年に絞るなどの工夫
• 可視化は印象的だが、定量指標と必ずセットで — 「見た目」だけで結論を出さず、中心性や密度の数値と併読する

よく出る躓きどころ

• エッジリストとノードリストを混同する — エッジは「つながり」、ノードは「対象自体」
• 無向と有向の選択 — 「友人関係」「共同提出」は無向、「フォロー」「引用」は有向。最初に決める
• 大規模グラフで spring_layout が遅い — iterations を減らすか、別のレイアウトアルゴリズム（nx.kamada_kawai_layout ほか）を試す
• 中心性の値だけで「重要」と決めつける — 中心性は構造的な指標であり、内容的な重要性とは別物

サンプルコード

• 完成 Notebook：network_analysis.ipynb をダウンロード
• エッジデータ：network_edges.csv をダウンロード（集計済み）
• ノードデータ：network_nodes_with_pos.csv をダウンロード
• 中心性結果：network_results.csv をダウンロード

演習

完成 Notebook を Colab で開き、次を順に行いなさい。

1. Notebook を最後まで実行し、ネットワーク可視化と中心性指標の出力を確認する
2. 次数中心性の上位 10 ノードを表示する
3. 媒介中心性の上位 10 ノードを表示し、次数の上位と比べる（「人気者」と「仲介役」がどう違うか）
4. spring_layout の k パラメータを変えて、ネットワーク全体の見え方の変化を観察する

3 番で「次数は高いが媒介は低い」「媒介は高いが次数は普通」のようなノードに注目すると、ノードの役割の違い が読み取れます。これがネットワーク分析の醍醐味です。

発展課題（オプション）

• nx.community.greedy_modularity_communities(G) を使ってコミュニティ検出を試す
• 色をコミュニティ別に変えて、再度 spring_layout で可視化する
• 自分でエッジリスト CSV を作って（友人関係、書籍の参考文献、ゲームのキャラ間関係など）、NetworkX で読み込んで可視化する