Modifications qui seront validées :

# Programme Clusterisation2D_RevueSynSem21.py juin 2020

# Auteur : Laurette Chardon

# But : créer les graphes de clusterisation avec igraph en prenant comme exemple le mot SEC

# -> programme en accès public sous https://git.unicaen.fr/crisco-des-public/etude-sec

import igraph 

import numpy as np

from LectureSyno_paires_CreationMatAdj import lecture, lecture_listemots

listemots=[]

G=igraph.Graph()

print('version igraph :',igraph.__version__)

# ----------------------------------------------------------------------

def lecture(mot,fichier):

    listemots=[]

    listemots.append(mot)

    for ligne in fichier:

        i1=ligne.index("\t")

        mot1=ligne[0:i1]

        ligne=ligne[i1+1:]

        i2=ligne.index("\t")

        mot2=ligne[0:i2]

        if (mot == mot1): # si le 1er mot de la ligne est celui qu'on cherche

            listemots.append(mot2)

    return(listemots)

# -----------------------------------------------------------------------

def lecture_listemots(MatAdj,lm,fichier):

    for ligne in fichier:

        i1=ligne.index("\t")

        mot1=ligne[0:i1]

        ligne=ligne[i1+1:]

        i2=ligne.index("\t")

        mot2=ligne[0:i2]

        i1=0

        for m1 in lm: # on compare le mot lu à la vedette et à tous ses synonymes 

            if (m1 == mot1):

                MatAdj[i1][i1]=1 # chaque synonyme de la vedette est synonyme de lui-même (diagonale)

                i2=0

                for m2 in lm:

                    if (m2 == mot2):

                        print(i1,'-',m1,'-',i2,'-',m2,'- à garder')

                        MatAdj[i1][i2]=1

                    i2=i2+1

            i1=i1+1

    return(MatAdj)

#--------------------- PROGRAMME PRINCIPAL ------------

fichier = open ("syno_paires_sec.txt","r",encoding="utf-8")

mot='sec'

listemots=lecture(mot,fichier)

fichier.close()

print(listemots)

print('0:',listemots[0])

print('1:',listemots[1])

dim=len(listemots)

print(dim)

G.add_vertices(dim) # on crée les sommets avec la liste de mots trouvée = vedette + ses syno dans listemots

MatAdj=np.zeros((dim,dim),dtype=int)

print (MatAdj)

fichier = open ("syno_paires_sec.txt","r",encoding="utf-8")

MatAdj=lecture_listemots(MatAdj,listemots,fichier) # dans lecture_listemots on remplit la structure Graph avec les edges

fichier.close()

print (MatAdj)

# Création du graphe à partir de la matrice d'adjacence

np.fill_diagonal(MatAdj,0) # on remplit la diagonale de 0 -> éviter les arêtes sur les sommets

G=igraph.Graph.Adjacency(MatAdj.tolist(),"MAX")

# voir les différents modes possibles : https://igraph.org/python/doc/igraph.GraphBase-class.html#Adjacency

G.vs["name"]=listemots # On ajoute à chaque sommet un intitulé

#labels=listemots

labels=[]

for i in listemots:

  ind=listemots.index(i)

  labels.append(str(i+" "+str(G.vs[ind].degree())))

SizeMarkers=G.vs.degree()

# G.vs['name'].index(mot) -> index de la vedette dans la liste G.vs.['name']

# Si la boule vedette est trop grosse, décommenter la ligne ci-dessous

SizeMarkers[G.vs['name'].index(mot)]=max(G.vs[1:].degree()) # le mot vedette est celui qui a beaucoup de edge -> disproportionné pour l'affichage

# on lui affecte comme  nb de edge le max du nb de edges de ses syno

SizeLine=[]

for e in G.get_edgelist():

    SizeLine.append(G.edge_connectivity(e[0],e[1]))

# ---------------

# création des clusters avec les différents algorithmes

comms1 = G.community_multilevel()

comms2 = G.community_infomap()

comms3 = G.community_fastgreedy()

comms4 = G.community_leading_eigenvector(clusters=6)

comms5 = G.community_walktrap()

comms6 = G.community_optimal_modularity() # très long ... 

comms7=G.community_spinglass()

comms8=G.community_edge_betweenness()

comms9=G.community_label_propagation()

# ---------------

# initialisation des paramètres d'affichage

visual_style3 = {}

visual_style3["vertex_label"] = labels

visual_style3["margin"] = 40

#visual_style3["vertex_color"]="#33FFF3"

#visual_style3["vertex_color"]='red'

visual_style3["vertex_label_size"]=12

visual_style3["vertex_size"]= [i*2 for i in SizeMarkers]

visual_style3["vertex_label_dist"]=1

#visual_style3["vertex_label_color"]="red"

visual_style3["bbox"] = (1000, 1000)

visual_style3["edge_color"]="gray" # couleurs prédéfinies : brown, gray ... cf http://www.proftnj.com/RGB3.htm

visual_style3["edge_width"] = [i/8 for i in SizeLine]

visual_style3["title"] = "Mot : "+ mot.upper()

visual_style3["legend"] = "Mot : "+ mot.upper()

#visual_style3["mark_groups"]= True

# ----------------------------------

# Création des images résultat

igraph.plot(comms1,  mot+"-multilevelNoMarkGroups.svg", **visual_style3)

igraph.plot(comms2,  mot+"-infomapNoMarkGroups.svg", mark_groups = False, **visual_style3)

igraph.plot(comms3,  mot+"-fastgreedy.svg", mark_groups = True, **visual_style3)

igraph.plot(comms4,  mot+"-leading-eigenvector.svg", mark_groups = True, **visual_style3)

igraph.plot(comms5,  mot+"-walktrap.svg", **visual_style3)

igraph.plot(comms6,  mot+"-optimal_modularity.svg", mark_groups = True, **visual_style3)

igraph.plot(comms7,  mot+"-spinglassNoMarkGroups.svg", mark_groups = False, **visual_style3)

igraph.plot(comms8,  mot+"-edge_betweenness.svg", mark_groups = True, **visual_style3)

igraph.plot(comms9,  mot+"-label_propagation.svg", mark_groups = True, **visual_style3)

# ---------------