Owner Data

（高入度或出度的节点）以及子社区。
3.3 话题分析
通过自然语言处理（NLP）技术，可以提取消息 荷兰 Telegram 手机号码列表 中的关键词或主题。例如，使用jieba库进行中文分词和关键词提取：
import jieba.analyse

# 提取所有消息文本
texts = [msg['text'] for msg in messages if 'text' in msg and isinstance(msg['text'], str)]

# 合并文本并提取关键词
combined_text = ' '.join(texts)
keywords = jieba.analyse.extract_tags(combined_text, topK=20, withWeight=True)

# 打印关键词
for keyword, weight in keywords:
print(f'{keyword}: {weight}')

关键词云图可以进一步直观展示热门话题：
from wordcloud import WordCloud

# 生成词云
wordcloud = WordCloud(font_path='simhei.ttf', width=800, height=400).generate(combined_text)
plt.figure(figsize=(10, 5))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.title('群组话题词云')
plt.savefig('wordcloud.png')

3.4 活跃用户分析
统计每个用户的消息数量，识别最活跃的成员：
# 按用户统计消息数
user_counts = df.groupby('from').size().sort_values(ascending=False)

# 绘制柱状图
plt.bar(user_counts.index[:10], user_counts.values[:10])
plt.xlabel('用户')
plt.ylabel('消息数量')
plt.title('最活跃的10位用户')
plt.xticks(rotation=45)
plt.savefig('active_users.png')


第四部分：工具与技术推荐
4.1 数据处理工具
Python：推荐使用Pandas处理结构化数据，结合Matplotlib和Seaborn进行可视化。
Jupyter Notebook：交互式环境，便于调试和展示分析结果。
4.2 可视化工具
Matplotlib/Seaborn：适合生成静态图表。
Plotly：支持交互式图表，便于在线分享。
Gephi：专业网络分析工具，适合复杂互动网络的可视化。
4.3 NLP工具
jieba：中文分词和关键词提取。
spaCy：多语言NLP库，适合提取实体和语义。
Gensim：用于主题建模（如LDA）。