动态网络矩阵 可视化

在过去的几年里，网络分析方法从社交网络辗转到人脑网络，火爆一时，也饱受诟病。不管怎样，网络分析方法确实给我们提供了一个新的观察和认识人脑的方式。

科学发展往往遵循一个“从一元到多元，从静态到动态”的演变规律，如今，研究者也不再满足分析一个单独的静态网络，而是开始试图从动态变化的视角观察人脑网络。这个动态可是短时的（比如一次扫描中人脑网络的变化），也可以是长时的（比如是在一天中不同时段人脑网络的变化，甚至是人的一生中脑网络的动态变化）。

通常，研究者采用一个矩阵来存储一个网络，矩阵中每个行或列表示一个node，而每个cell的值表示相应的两个node的连接强度。

用python可视化一个矩阵可以采用如下方式：

plt.imshow(dat, origin='lower',interpolation='nearest', cmap=plt.get_cmap('jet'))
plt.show()

如何可视化一个网络的动态变化呢？一种方式可以采用matplotlib提供的animation工具。举例如下：
import matplotlib.animation as animation
for sess in sesslist:
print ‘Adding ‘, sess
sessdir = os.path.join(datadir, sess)
mat_dat_file = os.path.join(sessdir, mat_dat)

    dat = np.load(mat_dat_file)
    dat = dat['im']

im = plt.imshow(dat, origin='lower',interpolation='nearest', cmap=plt.get_cmap('jet'))
ims.append([im])

ani = animation.ArtistAnimation(fig, ims, interval=50, blit=True, repeat_delay=1000)
plt.show()