“水泊梁山“互联网有限公司一百单八将内部社交网络
个人公众号：数据森麟（ID:shujusenlin）,知乎同名专栏作者。
前言：
最近看到了一些社交网络分析的文章，对此产生了兴趣，也开始进行相关的学习。本次文章我们将水浒传这一名著与互联网公司组织架构相结合，用Python+Gephi完成本次的分析，让大家能够以一种不同的视角了解社交网络以及社群发现。
PART1：获得数据
由108位精兵强将组成的水泊梁山互联网有限公司内部高效运转，经营包括酒店、武馆、寺庙等多项产业，我们今天来探秘公司内部员工的社交网络。
作为上市公司，财报需要定期对公众披露，所以此次数据无需爬虫获得，直接可以从最新“财报“《水浒传》中获得，我们从中获取员工的有效信息，以CEO宋江为例。
with open("水浒传全文.txt", encoding='gb18030') as file:
shuihu = file.read()
shuihu = shuihu.replace('\n','')
shuihu_set = shuihu.split(' ')
shuihu_set=[k for k in shuihu_set if k!='']
songjiang_set=[k for k in shuihu_set if '宋江' in k]
haohan = pd.read_excel('水浒人物.xlsx')
haohan['出场段落']=0PART2：员工收入情况
作为能够长期运作的互联网公司，在员工收入分配方面始终员工KPI（出场段落数量）相挂钩，我们来看一下年薪TOP10和BOTTOM10
看来水泊梁山大家的年收入差距两头分化比较严重，比较符合目前互联网公司发展趋势，杜绝“吃大锅饭”的发展思路，代码如下：
haohan.sort_values('出场段落',ascending=False,inplace=True)
attr = haohan['姓名'][0:10]
v1 = haohan['出场段落'][0:10]
bar = Bar("水泊梁山年收入TOP10")
bar.add("年收入（万）", attr, v1, is_stack=True,is_label_show=True)
bar.render('水泊梁山年收入TOP10.html')
haohan.sort_values('出场段落',ascending=True,inplace=True)
attr = haohan['姓名'][0:10]
v1 = haohan['出场段落'][0:10]
bar = Bar("水泊梁山年收入BOTTOM10")
bar.add("年收入（万）", attr, v1, is_stack=True,is_label_show=True)
bar.render('水泊梁山年收入BOTTOM10.html')PART3：员工社交网络
我们调取了员工的聊天记录（同时出现的段落），每出现一次聊天记录，我们将员工之间的关联权重加一，统计代码如下：
net_df = pd.DataFrame(columns=['Source','Target','Weight','Source_Ratio','Target_Ratio'])
for i in range(0,107):
for j in range(i+1,108):
this_weight = len([k for k in shuihu_set if haohan['使用名'][i] in k and haohan['使用名'][j] in k])
net_df=net_df.append({'Source':haohan['姓名'][i],'Target':haohan['姓名'][j],
'Weight':this_weight,
'Source_Ratio':this_weight/haohan['出场段落'][i],
'Target_Ratio':this_weight/haohan['出场段落'][j]},
ignore_index=True)
print(str(i)+':'+str(j))我们在去除一些社交网络节点数据（聊天总数较少或聊天数量占一方数量比例过少）的情况后，用Gephi软件绘制出了整体的社交网络图如下：
可以看出的社交网络是围绕着总裁宋江展开，其他的一些总裁办成员如吴用、李逵等也在社交网络中占据重要位置。林冲、鲁智深、李俊等高级领导则起到连接高层与基层员工的作用。值得一提的是副总裁卢俊义虽然职级很高，但是在公司的话语权似乎不是强，毕竟卢俊义也是作为空降兵来到的公司。
PART4：员工社区发现
Gephi软件自带社区发现函数，我们实现后用不同颜色划分出不同的社群，整体效果如下：
我们下面逐一来看一下各个社区的成员，首先是CEO宋江、CTO吴用等人所在的总裁办：
下面来看一下花荣、林冲等日常工作与代马（码）这件事情息息相关的开发组：
之后是由鲁智深、孙二娘等人组成的数据组，需要日常分析梁山酒店等产业运营状况：
产品、运营团队则分别由精通水性，能够协调好各个部门的李俊和执行力极强，善于推动项目进行的李逵带领：
最后看一下一些人数较少的社群：
这些社群基本上都是由夫妻、亲兄弟、铁哥们组成，具有很强的亲密度，水泊梁山的HR在招人时显然是考虑了这点。通过招聘具有亲密关系的应聘者，提高员工工作幸福感，有效降低离职率。
如果大家周围有对数据分析&数据挖掘感兴趣的朋友，欢迎在朋友圈分享&转发一下，让更多的朋友加入我们。有好的文章也可以联系我与大家分享，需要获取代码转载本公众号文章，可以直接在者文章下方留言。