可视化转发（retweet）网络
可视化转发网络是探索性数据分析中的重要一步。它能帮助我们直观检查网络结构、判断是否存在影响力过大的用户，以及是否存在不同的讨论圈层。
使用"力导向"（force directed）算法绘制的转发网络可能类似下面这样。
本练习中，我们将使用一个运行更快的布局来查看图形，但语法几乎相同。
networkx 已以 nx 导入，网络已为您加载到 G_rt 中。
本练习是课程的一部分
在 Python 中分析社交媒体数据
练习说明
- 使用列表推导式生成
sizes。对.degree()返回的每个元素，取其中x的第二个值。 - 将网络名称作为第一个参数传给
nx.draw_networkx()。 - 将布局位置作为第二个参数传给
draw_networkx。 - 将
sizes列表传给node_size。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create random layout positions
pos = nx.random_layout(G_rt)
# Create size list
sizes = [x[____] for ____ in G_rt.____()]
# Draw the network
nx.draw_networkx(____, ____,
with_labels = False,
node_size = ____,
width = 0.1, alpha = 0.7,
arrowsize = 2, linewidths = 0)
# Turn axis off and show
plt.axis('off'); plt.show()