电影演员合作关系可视化（二）数据分析与可视化

在上一篇《电影演员合作关系可视化（一）整体思路与爬虫编写》的基础上，对数据进行分析以及可视化。

一、数据预处理

对于获取的演员信息，是（演员1，演员2，演员3）的形式，的利用python中的itertools将其转换成一一对应的关系：

list(itertools.combinations(row,2))

这样就获得了合作关系数据：
演员1——演员2
演员1——演员3
演员2——演员3
具体的代码就不贴了，因为还是面向过程的代码，没有写成面向对象的形式，比较丑陋。

二、数据可视化

本次获取的3年内电影数据（2013.8-2016.8）共包含10203个节点和231885条边。说明演员有10203名（小电影演员真是个庞大的群体！！！），合作关系231885条。利用gephi 0.9.1对合作关系可视化如图所示：

这里的边太多了，影响了整体观感，所以把边去掉：

图中颜色越深，节点越大，代表该演员合作关系越多，你们猜猜最大的是谁？（文末公布答案）

三、数据分析

1.度分布
在本文的网络中，节点的度的大小就是合作次数的多少，通过度分布我们可以考察整个网络内的合作次数分布情况。
首先是平均度，也就是平均合作次数，Averag