Analyser un réseau social

# Les élèves de la classe (sommets du graphe)
eleves = ["Alice", "Bob", "Charlie", "David", "Emma",
          "Fiona", "Gabriel", "Hugo", "Iris", "Julie"]

# Les relations d'amitié (arêtes du graphe)
# Chaque tuple représente deux amis
amities = [
    ("Alice", "Bob"),
    ("Alice", "Charlie"),
    ("Alice", "David"),
    ("Bob", "Charlie"),
    ("Bob", "Emma"),
    ("Charlie", "David"),
    ("Charlie", "Emma"),
    ("David", "Fiona"),
    ("Emma", "Fiona"),
    ("Emma", "Gabriel"),
    ("Fiona", "Gabriel"),
    ("Gabriel", "Hugo"),
    ("Hugo", "Iris"),
    ("Hugo", "Julie"),
    ("Iris", "Julie")
]

import networkx as nx
import matplotlib.pyplot as plt

# Créer un graphe non orienté
G = nx.Graph()

# Ajouter les sommets (élèves)
G.add_nodes_from(eleves)

# Ajouter les arêtes (amitiés)
G.add_edges_from(amities)

# Afficher les informations de base
print(f"Nombre d'élèves : {G.number_of_nodes()}")
print(f"Nombre de relations : {G.number_of_edges()}")
print(f"Liste des élèves : {list(G.nodes())}")

# Configuration de la figure
plt.figure(figsize=(12, 8))

# Disposition des sommets (layout)
pos = nx.spring_layout(G, seed=42)  # seed pour reproductibilité

# Dessiner le graphe
nx.draw(G, pos,
        with_labels=True,           # Afficher les noms
        node_color='lightblue',     # Couleur des sommets
        node_size=2000,             # Taille des sommets
        font_size=10,               # Taille du texte
        font_weight='bold',
        edge_color='gray',          # Couleur des arêtes
        width=2)                    # Épaisseur des arêtes

plt.title("Réseau social de la classe", fontsize=16)
plt.tight_layout()
plt.savefig("reseau_classe.png", dpi=150)
plt.show()

# Calculer le degré de chaque sommet
degres = dict(G.degree())

# Trier par degré décroissant
degres_tries = sorted(degres.items(), key=lambda x: x[1], reverse=True)

print("Classement par nombre d'amis :")
print("-" * 30)
for i, (eleve, deg) in enumerate(degres_tries, 1):
    print(f"{i}. {eleve}: {deg} ami(s)")

# Qui est le plus populaire ?
plus_populaire = degres_tries[0]
print(f"\n🏆 Le/La plus populaire : {plus_populaire[0]} avec {plus_populaire[1]} amis")

# Calculer la centralité d'intermédiarité (betweenness)
centralite = nx.betweenness_centrality(G)

# Trier par centralité décroissante
centralite_triee = sorted(centralite.items(), key=lambda x: x[1], reverse=True)

print("Classement par centralité (influence) :")
print("-" * 40)
for i, (eleve, cent) in enumerate(centralite_triee, 1):
    print(f"{i}. {eleve}: {cent:.3f}")

# Qui est l'influenceur principal ?
influenceur = centralite_triee[0]
print(f"\n⭐ Influenceur principal : {influenceur[0]} (centralité: {influenceur[1]:.3f})")

# Préparer les tailles et couleurs basées sur la centralité
tailles = [centralite[node] * 5000 + 500 for node in G.nodes()]
couleurs = [centralite[node] for node in G.nodes()]

# Créer la figure
plt.figure(figsize=(14, 10))

# Dessiner avec les nouvelles propriétés
nx.draw(G, pos,
        with_labels=True,
        node_size=tailles,           # Taille = influence
        node_color=couleurs,         # Couleur = influence
        cmap=plt.cm.Reds,            # Palette de couleurs
        font_size=10,
        font_weight='bold',
        edge_color='lightgray',
        width=2)

plt.title("Réseau social - Taille = Influence", fontsize=16)

# Ajouter une barre de couleur
sm = plt.cm.ScalarMappable(cmap=plt.cm.Reds,
                            norm=plt.Normalize(vmin=0, vmax=max(couleurs)))
sm.set_array([])
plt.colorbar(sm, label="Centralité d'intermédiarité")

plt.tight_layout()
plt.savefig("reseau_influence.png", dpi=150)
plt.show()