mahout_xb的專欄
http://blog.csdn.net/mahout_xb/article/details/7341477
雖然我們可以從討論社交網絡的APIs, schemaless的設計,或者許多其它的事開始, 但是讓我們直接進入一些介紹性的例子,以此來說明去收集和分析社交網站的數據。這是一篇入門章節,目的是激發你的興趣,讓你思索一些問題,而餘下的章節會涉及到細節。我們將先將開發環境搭建個,然後馬上開始收集個分析一些twitter的數據。
安裝Python開發環境
這本書的示例以用python語言來寫的,如果你已經安裝了新版本的python和easy_install在你的系統上,那你可以跳過本節。如果你沒有安裝python,壞消息是你可能不是一個python hacker。但是不用擔心,你很快就是了,因爲python很容易上手。用戶在任何的平臺都能去下載和安裝python在:http://www.python.org/download/,但是強烈建議windows用戶安裝ActivePython,它自動將python加入到你的系統路徑下並且已經帶有easy_install。本書的代碼在python2.7上測試的。
一旦安裝好了python, 你就可以在命令行敲下python, 啓動其交互模式。嘗試以下示例1-1
示例1-1,第一個python交互會話
- >>> print "Hello World"
- Hello World
- >>> #this is a comment
- ...
- >>> for i in range(0,10): # a loop
- ... print i, # the comma suppresses line breaks
- ...
- 0 1 2 3 4 5 6 7 8 9
- >>> numbers = [ i for i in range(0,10) ] # a list comprehension
- >>> print numbers
- [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
- >>> if 10 in numbers: # conditional logic
- ... print True
- ... else:
- ... print False
- ...
- False
另外一個工具easy_install,類似linux上的安裝包管理工具, 它能讓你很方便安裝python的庫,而不用去下載,編譯,再安裝。你可以下載最新的版本在http://pypi.python.org/pypi/setuptools, 針對不同的平臺有相關的介紹。一般來說,*nix用戶可能要用sudo easy_install在安裝,使很系統中所有用戶都能用到安裝的庫,而windows用戶,如果按照建議安裝了ActivePython, 只需要用easy_install命令就好了。
你配置好了easy_install後,就可以用它來安裝NetworkX了--用來構建和分析圖的工具,整本書都會用到它。安裝時能看到類似的輸出:
- $ easy_install networkx
- Searching for networkx
- ...truncated output...
- Finished processing dependencies for networkx
有了NetworkX後,你可能用在解析器下直接引入它,但有可能會出錯:
- >>> import networkx
- Traceback (most recent call last):
- ... truncated output ...
- ImportError: No module named numpy
示例1-2, 用networkx來創建一個圖的點和邊
- >>> import networkx
- >>> g=networkx.Graph()
- >>> g.add_edge(1,2)
- >>> g.add_node("spam")
- >>> print g.nodes()
- [1, 2, 'spam']
- >>> print g.edges()
- [(1, 2)]
現在,你已經安裝了一些核心的python開發工具了,準備好去做一些有趣的任務了。如果你覺得這一節有多要學的,那麼很有必要去看看官網的python介紹, 在進入下一節之前。
收集和運用twitter的數據
幾乎不可能你不知道twitter, 它是一個社會化的微博服務,你可能輸入140個字符以下的信息,這些信息被稱作tweets。不像社交網絡如Facebook和LinkedIn, 在那裏連接是雙向的,twitter有一個不對稱的基礎框架,叫做“朋友”和“粉絲”。假設你有一個twitter賬號,你的朋友是你正關注的人,而你的粉絲是那些關注你的人。當然,你可以去關注所有那些關注你的人,然而,這一般是不會發生的,因爲你僅僅想讓你的Home Timeline中包含你感興趣的內容。twitter作爲一個重要的現象,因爲它龐大的用戶數量,以及作爲市場動向分析工具,和大量的第三方客戶端。它提供了廣泛的APIs,雖然你可以用其中的很多,而不用註冊,但是它會更有趣去建立和挖掘你自己的社交網絡。發點時間去看看twitter的 服務條款,API文檔,以及API的約束條件。這本書餘下的部分假設你有一個twitter的賬號,並且有足夠多的朋友和粉絲來作爲數據去挖掘。
注:這本書的twitter賬號是@SocialWebMining
運用twitter的API
twitter的一小部分網絡API包裝在一個名爲twitter的包中,可以通過easy_install來安裝:
- $ easy_install twitter
- Searching for twitter
- ...truncated output...
- Finished processing dependencies for twitter
這個包還包含一個方便的命令行工具以及網絡聊天機器人, 因此當你安裝了這個模塊後, 你就可以在shell中敲入“twitter"來得到使用幫助。然而,我們將主要關注python的交互解釋器。我們將操作幾個實例,但是請注意,你可以跳過文檔,因爲可以用pydoc再次查看這些文檔。*nix用戶可以簡單的敲入pydoc twitter.Twitter來查看Twitter類的文檔,而widows用戶需要用python -mpydoc twitter.Twitter.如果你發現你經常查看某個模塊的文檔, 你可以選擇傳遞一個-w選項給pydoc,這樣就可以輸出爲HTML文件來保存或由瀏覽器收藏爲書籤。當然,也可以在解釋器中鍵入help來完成同樣的功能,如help(twitter.Twitter).
該進入主題了, 我們來找出人們正在談論什麼, 利用twitter的搜索api來觀察趨勢。讓我們先準備好解釋器,初始化一個搜索。嘗試示例1-3,如果有疑問,用help()來查看相關文檔。
示例1-3,檢索twitter的搜索趨勢
- >>> import twitter
- >>> twitter_search = twitter.Twitter(domain="search.twitter.com")
- >>> trends = twitter_search.trends()
- >>> [ trend['name'] for trend in trends['trends'] ]
- [u'#ZodiacFacts', u'#nowplaying', u'#ItsOverWhen', u'#Christoferdrew',
- u'Justin Bieber', u'#WhatwouldItBeLike', u'#Sagittarius', u'SNL', u'#SurveySays',
- u'#iDoit2']
得出SNL是一個趨勢,下面就是去獲取一些關於它的搜索結果,用twitter的搜索api來探索包含SNL的tweets,然後以json的格式將它們打印出來,如示例1-4描述的:
示例1-4,分頁顯示twitter的搜索結果
- >>> search_results = []
- >>> for page in range(1,6):
- ... search_results.append(twitter_search.search(q="SNL", rpp=100, page=page))
以上代碼獲取和存儲結果爲5個連續的片斷(頁),每頁100條記錄。它是很有意義的去看一個相應的REST查詢 http://search.twitter.com/
search.json?&q=SNL&rpp=100&page=1。在REST API和twitter模塊之間的映射使得我們很容易用python代碼來和twitter服務交互。在執行完這個搜索後,search_results包含了5個對象,每個有100條結果記錄,你能夠將這些結果用易讀的形式打印出來,用python 2.6以後自帶的json模塊,如示例1-5:
示例1-5,易讀的twitter數據以json格式
- >>> import json
- >>> print json.dumps(search_results, sort_keys=True, indent=1)
- [
- {
- "completed_in": 0.088122000000000006,
- "max_id": 11966285265,
- "next_page": "?page=2&max_id=11966285265&rpp=100&q=SNL",
- "page": 1,
- "query": "SNL",
- "refresh_url": "?since_id=11966285265&q=SNL",
- "results": [
- {
- "created_at": "Sun, 11 Apr 2010 01:34:52 +0000",
- "from_user": "bieber_luv2",
- "from_user_id": 106998169,
- "geo": null,
- "id": 11966285265,
- "iso_language_code": "en",
- "metadata": {
- "result_type": "recent"
- },
- "profile_image_url": "http://a1.twimg.com/profile_images/809471978/DSC00522...",
- "source": "<a href="http://twitter.com/">web</a>",
- "text": " ...truncated... im nt gonna go to sleep happy unless i see @justin...",
- "to_user_id": null
- }
- ... output truncated - 99 more tweets ...
- ],
- "results_per_page": 100,
- "since_id": 0
- },
- ... output truncated - 4 more pages ...
- ]
注意,據2010年下半年的通知,在搜索結果中from_user_id字段不對應真實的twitter用戶id,查看Twitter API Issue #214得到更多細節,這個缺點到本書的章節沒有任何影響,但是如果你要自己創建一些應用就要注意這點了(值得特別關注)
到本書的後面纔會仔細推敲這些結果中的細節(請看第5章),這時候要注意的是返回的結果以results作爲關鍵字,我們能提取這500個tweets的文本到列表中,用下面的方法。示例1-6
用一個雙列表推導式,縮進以表明它與嵌套循環沒什麼區別。
示例1-6, 一個簡單的python列表推導式
- >>> tweets = [ r['text'] \
- ... for result in search_results \
- ... for r in result['results'] ]
列表推導式被經常用到在這本書中,雖然它們很容易產生迷惑如果寫在一行,但是將它們以嵌套循環打印出來意思就明瞭了。這個結果tweets相當於定義一個空的列表tweets,然後調用tweets.append(r['text'])在嵌套循環中。參見“Data Structures"一節在python的官網教程中。列表推導是非常有用的,它們有時候能提供更高的效率比嵌套循環,且更簡潔。
頻率分析和詞彙多樣性
對於非結構化文本一個最直接的度量就是詞彙豐富性(lexical diversity),即不重複的單詞數除以總的單詞數目。如示例1-7
示例1-7, tweets的詞彙豐富性
- >>> words = []
- >>> for t in tweets:
- ... words += [ w for w in t.split() ]
- ...
- >>> len(words) # total words
- 7238
- >>> len(set(words)) # unique words
- 1636
- >>> 1.0*len(set(words))/len(words) # lexical diversity
- 0.22602928985907708
- >>> 1.0*sum([ len(t.split()) for t in tweets ])/len(tweets) # avg words per tweet
- 14.476000000000001
自然語言工具集(NLTK)是一個非常受歡迎的模塊,這本書中我們將經常用到。它包含大量的文本分析工具,如一般向量計算,信息提取,自然語言處理(NLP)等,雖然說它在商業上和學術上不是最先進的,但它提供了堅實的和廣泛的基礎,如果這是你第一次來嘗試做自然語言處理的話。如果你的項目對質量或效率要求很高的話,NLTK不能滿足你的需求,這種情況有三個選擇,取決於你能花在這上面的時間和金錢: 1.從開源項目中找替代品,做大量的實驗和測試來對比它們的性能 2.白手起家自己製造工具集 3.買一個商業的產品。 其中任何一種都不便宜(如果你相信時間就是金錢)或容易。
NLTK能通過easy_install來安裝,但你需要重啓解釋器才能用它。你能夠用cPickle模塊來保存你的工作會話在重啓前。如示例1-8
示例1-8, 保存數據
- >>> f = open("myData.pickle", "wb")
- >>> import cPickle
- >>> cPickle.dump(words, f)
- >>> f.close()
- >>>
- $ easy_install nltk
- Searching for nltk
- ...truncated output...
- Finished processing dependencies for nltk
人們正在談論什麼?
嘗試去回答人們正在談論什麼是挖掘twitter數據最引人入勝的理由。一個最簡單的技術用來解決這個問題的就是頻率分析。NLTK簡化了這個問題,它提供了文本分析的API,因此讓我們減輕工作量,讓NLTK來處理細節吧。示例1-9演示了這個查找過程,通過創建頻率分佈,找出50個最常用的和最不常用的詞。
示例1-9, 用NLTK來執行最基本的頻率分析
- >>> import nltk
- >>> import cPickle
- >>> words = cPickle.load(open("myData.pickle"))
- >>> freq_dist = nltk.FreqDist(words)
- >>> freq_dist.keys()[:50] # 50 most frequent tokens
- [u'snl', u'on', u'rt', u'is', u'to', u'i', u'watch', u'justin', u'@justinbieber',
- u'be', u'the', u'tonight', u'gonna', u'at', u'in', u'bieber', u'and', u'you',
- u'watching', u'tina', u'for', u'a', u'wait', u'fey', u'of', u'@justinbieber:',
- u'if', u'with', u'so', u"can't", u'who', u'great', u'it', u'going',
- u'im', u':)', u'snl...', u'2nite...', u'are', u'cant', u'dress', u'rehearsal',
- u'see', u'that', u'what', u'but', u'tonight!', u':d', u'2', u'will']
- >>> freq_dist.keys()[-50:] # 50 least frequent tokens
- [u'what?!', u'whens', u'where', u'while', u'white', u'whoever', u'whoooo!!!!',
- u'whose', u'wiating', u'wii', u'wiig', u'win...', u'wink.', u'wknd.', u'wohh', u'won',
- u'wonder', u'wondering', u'wootwoot!', u'worked', u'worth', u'xo.', u'xx', u'ya',
- u'ya<3miranda', u'yay', u'yay!', u'ya\u2665', u'yea', u'yea.', u'yeaa', u'yeah!',
- u'yeah.', u'yeahhh.', u'yes,', u'yes;)', u'yess', u'yess,', u'you!!!!!',
- u"you'll", u'you+snl=', u'you,', u'youll', u'youtube??', u'youu<3',
- u'youuuuu', u'yum', u'yumyum', u'~', u'\xac\xac']
快速的掃一下示例1-9的結果,你會發現最常用的詞比最不常用的詞載有更多有用的信息。雖然進一步的工作是讓機器來識別,但常用詞涉及的實體如人,時間,事件,而不常用的詞則大都是噪音其中得不出任何有用信息。
第一點你發現的關於常用詞的可能就是SNL排在了第一位,既已知這是基於原始的搜索結果,這就不足爲奇了。有趣之處上往後面的詞看:有很多談論是關於Justin Bieber, 有以下詞爲證,@justinbieber, justin, 和 bieber。任何人熟悉SNL的也應該知道“tina”和“fey"的出現決非巧合,鑑於Tina Fey和該節目的長期合作關係。也不難從這些詞中推斷出Justin Bieber是個有名的人,由於他要上週六晚上的節目,所以許多人非常激動的去搜索他。
這時候,你可能會想, “這樣啊,那我可以瀏覽一些tweets,來推斷出結論“, 也許的確可以這樣,但你想7*24小時來做這件事吧,或是僱傭別人來做。那麼如果是在其他領域,僅靠瀏覽隨機的幾條文本是得不出可靠的結論呢?要點是頻率分析是非常容易,也很有用的工具,它是如此顯而易見而不應被忽略。另外,這種技術一個基本的作用就是能讓你回答這個問題,"人們正在談論什麼?”
作爲最後觀察到的一點,“rt"的出現對於話題的繼續是很重要的線索。詞“RT”是一個特殊的符號,出現在一條tweet之前代表你正轉發某人的tweet.從這個詞的高頻率,可以推斷有大量重複的或是相近的tweet.事實上,這個觀察是我們下面分析的基礎。
從tweets中抽取關係
因爲社交網絡是第一個也是最重要的一個關於人們之的聯繫, 一個方便的存儲社交網絡數據的形式就是圖。讓我們用NetworkX來構建一個轉發tweet的人們的關係圖。我們將在圖中直接表明信息的流向,更準確的來說,它是雙向圖。雖然twitter的API有一些能力去判別和分析轉發的狀態,但對於下面的例子不太適合,因爲我們要向服務器作大量的請求,這將是對有限額的API請求的浪費。
除此之外,我們能通過tweet本身的線索以正則表達式來抽取這些信息。按規定,twitter的人名符號以@符號開頭,僅能包含字母,數字和下劃線。因此,按轉發的規定,我們只需要探索下而的樣式:
- RT 後接用戶名
- via 後接用戶名
示例1-10, 用正則表達式來找到轉發者
- >>> import re
- >>> rt_patterns = re.compile(r"(RT|via)((?:\b\W*@\w+)+)", re.IGNORECASE)
- >>> example_tweets = ["RT @SocialWebMining Justin Bieber is on SNL 2nite. w00t?!?",
- ... "Justin Bieber is on SNL 2nite. w00t?!? (via @SocialWebMining)"]
- >>> for t in example_tweets:
- ... rt_patterns.findall(t)
- ...
- [('RT', ' @SocialWebMining')]
- [('via', ' @SocialWebMining')]
以防不太明顯,調用findall返回一個元組列表,每一個元組包含一個匹配的字符串或是空字符串,注意這個正則表達式留一個空格在開頭,可以很容易的用strip()來解決,如示例1-11。因爲示例的tweets中沒有一個包含這兩種樣式,因此,在每一個元組中包含一個空字符串。
已知,這些由twitter API返回的tweet數據結構中包含發tweet的人,以及上面所示獲取轉發人的方法,很容易將這些信息載入到NetworkX的圖中。讓我們創建一個圖,結點代表用戶,兩個結點間的有向邊代表一個用戶轉發的另一個用戶的tweet,邊本身包含tweet的id和tweet的文本。
示例1-11演示了圖創建的過程,基本步驟是,首先概括出一個方法來抽取轉發中的用戶名,再將每一頁的tweets數據放入一個列表中,最後,循環掃描每頁的tweets並將邊加入圖中。雖然我們在後面能將圖畫出來,但即使不可視化它,我們也很從圖的特性中得到很多東西。
示例1-11,建立和分析一個圖表明瞭誰轉發了誰的tweet
- >>> import networkx as nx
- >>> import re
- >>> g = nx.DiGraph()
- >>>
- >>> all_tweets = [ tweet
- ... for page in search_results
- ... for tweet in page["results"] ]
- >>>
- >>> def get_rt_sources(tweet):
- ... rt_patterns = re.compile(r"(RT|via)((?:\b\W*@\w+)+)", re.IGNORECASE)
- ... return [ source.strip()
- ... for tuple in rt_patterns.findall(tweet)
- ... for source in tuple
- ... if source not in ("RT", "via") ]
- ...
- >>> for tweet in all_tweets:
- ... rt_sources = get_rt_sources(tweet["text"])
- ... if not rt_sources: continue
- ... for rt_source in rt_sources:
- ... g.add_edge(rt_source, tweet["from_user"], {"tweet_id" : tweet["id"]})
- ...
- >>> g.number_of_nodes()
- 160
- >>> g.number_of_edges()
- 125
- >>> g.edges(data=True)[0]
- (u'@ericastolte', u'bonitasworld', {'tweet_id': 11965974697L})
- >>> len(nx.connected_components(g.to_undirected()))
- 37
- >>> sorted(nx.degree(g))
- [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
- 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
- 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
- 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
- 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
- 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 6, 6, 9, 37]
圖1-1,分佈圖表明了圖中結點的度數,揭露了圖的聯繫
NetworkX內置了非常有用的功能去開始分析twitter數據,但有一點很重要,我們要記住這裏分析的數據只很少的一部分關於SNL --成千上萬中的500個tweets。從這個圖中我們知道, 有160個人轉發過,但只有125條邊,160/125(約1.28)是一個很重要的線索,告訴我們點的平均度數接近1,意味着雖然一些結點與另外多個結點有聯繫,但平均是約一個聯繫一個結點。
調用connected_components顯示圖中包含了37個子圖,且不是完全連通的,輸出的度數可能起初看起來有點神祕,但是它實實在在的證明了我們獲得的一點:它能告訴我們圖的聯繫性怎麼樣,而不必去渲染出這個圖。在這個示例中,大部分的值是1,意味着大部分結點爲的度數是1,即僅與另外一個結點爲連接。一些值是在2到9之間,意味着與其他2到9個結點連接。特例是那個度數爲37的結點。圖中有沒有任何連接的結點,也有一個度數爲37的結點。圖1-1以直方圖來表明度數的分佈。這條趨勢線表明它近似冪律分佈(Power Law),有一個很長的“尾巴”。雖然這個長尾的特性在本書中沒什麼用處,但我們會發現我們建立的很多圖中有這個特性,但是我強烈的建議你深入的去挖掘如果你有興趣的話。一個好的出發點是齊普夫定律(Zipf's Law).
在這本書中,我們將發更多的時間來用自動啓發式學習來分析數據。這章作爲介紹來激發你的頭腦,使得你來考慮用手邊簡單易行的辦法來挖掘數據。來結束這章之前,讓我們來可視化這個圖,以此確保我們的直覺將我們引向了正確的方向。
虛擬tweet圖
Graphviz是一個重要的工具在虛擬化社區。這一節介紹一個可行的方法來可視化tweet數據圖:把它們導出爲DOT語言,一個簡單的文本格式,能夠被Graphviz運用。Graphviz的二進制文件可以用於任意的平臺,在它的官網上可以下載,無論什麼平臺其安裝也是很方便的。當Graphviz被安裝後,*nix用戶就可以用easy_install pygraphviz來安裝其python接口,windows用戶安裝PyGraphviz很困難,這裏介紹一個簡單的方法生成DOT格式輸出。
示例1-12介紹了一個方法可用於任意平臺
- OUT = "snl_search_results.dot"
- try:
- nx.drawing.write_dot(g, OUT)
- except ImportError, e:
- # Help for Windows users:
- # Not a general-purpose method, but representative of
- # the same output write_dot would provide for this graph
- # if installed and easy to implement
- dot = ['"%s" -> "%s" [tweet_id=%s]' % (n1, n2, g[n1][n2]['tweet_id']) \
- for n1, n2 in g.edges()]
- f = open(OUT, 'w')
- f.write('strict digraph {\n%s\n}' % (';\n'.join(dot),))
- f.close()
DOT格式的輸出如示例1-13
示例1-13, DOT語言的輸出
- strict digraph {
- "@ericastolte" -> "bonitasworld" [tweet_id=11965974697];
- "@mpcoelho" -> "Lil_Amaral" [tweet_id=11965954427];
- "@BieberBelle123" -> "BELIEBE4EVER" [tweet_id=11966261062];
- "@BieberBelle123" -> "sabrina9451" [tweet_id=11966197327];
- }
有了DOT格式的輸出,下一步就將它轉換爲圖形了。Graphviz提供了各種佈局算法來虛擬化所導出的圖;circo, 一個工具能渲染圖爲圓形風格的佈局,適用於輻射狀的拓撲結圖,有一箇中心點與其它度數爲1的結點爲相連。*nix用戶,可以用下面的命令將snl_search_results.dot從NetworkX導出爲snl_search_results.dot.png,然後就可以用圖形查看器找開了。
- $ circo -Tpng -Osnl_search_results snl_search_results.dot
Windows用戶可以用GVedit來渲染這個文本,如圖1-3.你可以讀到更多的選項關於Graphviz在線上文檔。圖的可視化證實了我們前面的分析,且度數最高的結點是@justinbieber,這個最多討論的話題。要明白一點的是,如果我們收集更多的tweets,我們將得到更多的內部相連的子圖。進一步的分析留給積極的讀者們了,這一章主要是準備好開發環境,並激發讀者們探索有趣話題的慾望。
Graphviz會出現在本書的其他章節,如果你認爲自己是一個數據分析科學家,它是一個你要掌握的工具。也就是說,我們也將用到其他可視化工具。接下來的章節,我們將涉及其它社交網絡數據及分析技術。
綜合:用Protovis來可視化轉發的tweets.
一個關鍵的示例腳本綜合了這一節的大部分內容,並且增加了一個可視化方法, 這就是這一節要做的。另外輸出一些有用的信息到終端,它接受一個搜索關鍵字作爲參數,獲取,解析,並彈出瀏覽器來顯示可視化數據作爲一個可交互的基於html5的圖。可以從這本書的官方代碼中找到http://github.com/ptwobrussell/Mining-the-Social-Web/blob/master/python_code/introduction__retweet_visualization.py, 強烈建議你試一試。
我們將用再次提到Protovis --這個示例中用到的可視化工具集,在這本書的後面幾章中。圖1-4是這個示例中Protovis的輸出,這只是一個開始,你可以用它做更多。
結束語
這一章是個開始,讓你認識到它是多麼容易用python的交互解釋器來挖掘和分析twitter的數據。在進入下一章之前,它是很重要的讓你感覺易於使用python的開發環境,並且強烈建議你熟悉twitter的API和Graphviz.如果你還想嘗試其它的,推薦canviz, 一個項目目的是將Graphviz的圖畫到瀏覽器中。你可能也想調查一個IPython,一個更好的python解釋器,提供tab補全,歷史追綜,以及其它更多功能。在這本書中許多的工作與可執行腳本有關,但是它是很重要的,你去多嘗試新主意,去調試等等。
圖1-2, Graphviz渲染的圖形佈局搜索結果
圖1-3,windows用戶用GVedit代替Graphviz
圖1-4,一個可交互的Protovis圖