1. 公司職員關系圖表
節點和邊界數據
節點是指每個節點本身的數據，代表公司職工的名稱；屬性（Country）、分類（Category）和地區（Region，給每個節點定義的屬性數據）。文件必須是.csv的格式。
連接線數據，不同的兩個點之間的關系，權重（可以用各種方式做一個度量）。節點的數據結構可以是以點的形式，一個行數據是一個節點它有它的屬性；邊線的數據它每一行是兩個點之間的關系。
節點數據名第一個字段必須是Id（第一個必須大寫，第二個字母d小寫），后邊的字段Country、Category、Region、Level是可以變的（它們是點的屬性）；
邊線的字段名必須target和source，並且內容是一一對應的（就是target和source所對應的點必須在node文件里邊必須是能夠對應的上的，否則無法識別） 一個edge代表了點與點間的關系，而node代表每個點的屬性，它肯定要有個標簽去對應，這個標簽就是它的Id名稱，
第一步：導入數據，node和edge
節點---node； 邊---edge。
第二步：按照不同的國家做一個顏色的界定
第三步：設置下
節點有多大，里邊的字體就有多大。
還是密密麻麻的，節點按照某種關系做一個輸出，連出度越大，這個點本身越大。
連出度代表我這個人跟多少人是有關系的；
度就是我這個點跟其他點的連接關系；連出度是往外連接的，連入度是從外邊往里邊連接的。整個度是兩個的求和。
第四步：參數
網絡直徑是點與點之間的最小距離
Betweenness Centrality：網絡中任意兩個點之間的最短路徑，如果這個最短 路徑都經過某個節點，那么這個節點的最短基數越高。
Closeness centrality
Eccentricity
Harmonic closeness centrality
把布局再調整下： ForceAtlas2 收縮 擴展
Betweenness Centrality中層領導（連接高層領導又連接下層的一個角色）；
Closeness centrality： 所有跟我有連接的平均值是最短的；在公司中他跟誰都近，但連入度不一定是最高的
這個不是特別明顯，大家的值的區別都不是很大，大小都是差不多大。
2. 案例：導演演員關系網絡可視化
如何做一個篩選和數據清洗？通過可視化的方式直接清洗它
主要用到過濾和統計的模塊
第一步：
加載數據---->> 數據太多，需要進行篩選和處理，篩選之后，統計計算只會計算篩選下來的內容；
第二步：
進行過濾
數據清洗
清洗的邏輯有：巨人組件參數和K核心
巨人組件是會保留一個組團中連接最多的那些節點，由於本身又一些連接關系，但是會有一些點沒有聯系（相當於沒有那個參數），由於重力的關系會實現一個簇。巨人組件就會自動的刪除周邊這些點。
把相互之間的點的度看成它的一個均值，每一個點都有一個度，K核心可以按照這個度做一個篩選，比如K（核心）=0，基本上不會做任何的篩選，度非常小的接線還會保留。
K=4的時候它就會把那些小的接線給去掉了。
通過這兩個方法不斷去優化這些數據點的個數。節點數盡 量在1000個左右，還可以通過相互度的范圍做下一步的篩選。
1000個節點（經驗數值）以下的好做運算。
第三步：
再通過模塊化對整個數據做一個聚類，得到里邊的模塊。最后這個模塊就會呈現出我們想要的效果。
在這一步我們需要不斷的去調整參數，去做這個設置，解析度越大，簇的社區越少。
布局 用擴展和ForceAtlas2來進行調節。
哪些點是屬於黏度比較高的？算下網絡的直徑，
預覽
度范圍的操作結果如下：
