第一章， 介紹：挖掘twitter的資料
雖然我們可以從討論社交網路的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資料。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的資料。
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,壞訊息是你可能不是一個python hacker。但是不用擔心，你很快就是了，因為python很容易上手。使用者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使用者安裝ActivePython,它自動將python加入到你的系統路徑下並且已經帶有easy_install。本書的程式碼在python2.7上測試的。
一旦安裝好了python, 你就可以在命令列敲下python, 啟動其互動模式。嘗試以下示例1－1
示例1－1，第一個python互動會話
>>> 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使用者可能要用sudo easy_install在安裝，使很系統中所有使用者都能用到安裝的庫，而windows使用者，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來建立一個圖的點和邊
>>> 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的資料
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個字元以下的資訊，這些資訊被稱作tweets。不像社交網路如Facebook和LinkedIn, 在那裡連線是雙向的，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，因為你僅僅想讓你的Home Timeline中包含你感興趣的內容。twitter作為一個重要的現象，因為它龐大的使用者數量，以及作為市場動向分析工具，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路。發點時間去看看twitter的 服務條款，API文件，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為資料去挖掘。
注：這本書的twitter賬號是＠SocialWebMining
運用twitter的API
twitter的一小部分網路API包裝在一個名為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列工具以及網路聊天機器人， 因此當你安裝了這個模組後， 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的互動直譯器。我們將操作幾個例項，但是請注意，你可以跳過文件，因為可以用pydoc再次檢視這些文件。＊nix使用者可以簡單的敲入pydoc twitter.Twitter來檢視Twitter類的文件，而widows使用者需要用python -mpydoc twitter.Twitter.如果你發現你經常檢視某個模組的文件， 你可以選擇傳遞一個-w選項給pydoc,這樣就可以輸出為HTML檔案來儲存或由瀏覽器收藏為書籤。當然，也可以在直譯器中鍵入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的搜尋api來觀察趨勢。讓我們先準備好直譯器，初始化一個搜尋。嘗試示例1－3，如果有疑問，用help()來檢視相關文件。
示例1－3，檢索twitter的搜尋趨勢
>>> 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尋結果，用twitter的搜尋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的搜尋結果
>>> search_results = []
>>> for page in range(1,6):
... search_results.append(twitter_search.search(q="SNL", rpp=100, page=page))
以上程式碼獲取和儲存結果為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模組之間的對映使得我們很容易用python程式碼來和twitter服務互動。在執行完這個搜尋後，search_results包含了5個物件，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模組，如示例1－5：
示例1－5，易讀的twitter資料以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，在搜尋結果中from_user_id欄位不對應真實的twitter使用者id,檢視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，但是如果你要自己建立一些應用就要注意這點了（值得特別關注）
到本書的後面才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作為關鍵字，我們能提取這500個tweets的文字到列表中，用下面的方法。示例1－6
用一個雙列表推導式，縮排以表明它與巢狀迴圈沒什麼區別。
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，但是將它們以巢狀迴圈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,然後呼叫tweets.append(r['text'])在巢狀迴圈中。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巢狀迴圈，且更簡潔。
頻率分析和詞彙多樣性
對於非結構化文字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組，這本書中我們將經常用到。它包含大量的文字分析工具，如一般向量計算，資訊提取，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。如果你的專案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.從開源專案中找替代品，做大量的實驗和測試來對比它們的效能 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，但你需要重啟直譯器才能用它。你能夠用cPickle模組來儲存你的工作會話在重啟前。如示例1－8
示例1－8， 儲存資料
>>> 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資料最引人入勝的理由。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，它提供了文字分析的API,因此讓我們減輕工作量，讓NLTK來處理細節吧。示例1－9演示了這個查詢過程，通過建立頻率分佈，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資訊。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資訊。
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尋結果，這就不足為奇了。有趣之處上往後面的詞看：有很多談論是關於Justin Bieber， 有以下詞為證，@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字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？”
作為最後觀察到的一點，“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
因為社交網路是第一個也是最重要的一個關於人們之的聯絡， 一個方便的儲存社交網路資料的形式就是圖。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資訊的流向，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，因為我們要向伺服器作大量的請求，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示式來抽取這些資訊。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 後接使用者名稱
- via 後接使用者名稱
示例1－10， 用正則表示式來找到轉發者
>>> 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，呼叫findall返回一個元組列表，每一個元組包含一個匹配的字串或是空字串，注意這個正則表示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。因為示例的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串。
已知，這些由twitter API返回的tweet資料結構中包含發tweet的人，以及上面所示獲取轉發人的方法，很容易將這些資訊載入到NetworkX的圖中。讓我們建立一個圖，結點代表使用者，兩個結點間的有向邊代表一個使用者轉發的另一個使用者的tweet,邊本身包含tweet的id和tweet的文字。
示例1－11演示了圖建立的過程，基本步驟是，首先概括出一個方法來抽取轉發中的使用者名稱，再將每一頁的tweets資料放入一個列表中，最後，迴圈掃描每頁的tweets並將邊加入圖中。雖然我們在後面能將圖畫出來，但即使不視覺化它，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，揭露了圖的聯絡
NetworkX內建了非常有用的功能去開始分析twitter資料，但有一點很重要，我們要記住這裡分析的資料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，意味著雖然一些結點與另外多個結點有聯絡，但平均是約一個聯絡一個結點。
呼叫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絡性怎麼樣，而不必去渲染出這個圖。在這個示例中，大部分的值是1，意味著大部分結點為的度數是1，即僅與另外一個結點為連線。一些值是在2到9之間，意味著與其他2到9個結點連線。特例是那個度數為37的結點。圖中有沒有任何連線的結點，也有一個度數為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啟發式學習來分析資料。這章作為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資料。來結束這章之前，讓我們來視覺化這個圖，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群。這一節介紹一個可行的方法來視覺化tweet資料圖：把它們匯出為DOT語言，一個簡單的文字格式，能夠被Graphviz運用。Graphviz的二進位制檔案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使用者就可以用easy_install pygraphviz來安裝其python介面，windows使用者安裝PyGraphviz很困難，這裡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，下一步就將它轉換為圖形了。Graphviz提供了各種佈局演算法來虛擬化所匯出的圖；circo, 一個工具能渲染圖為圓形風格的佈局，適用於輻射狀的拓撲結圖，有一箇中心點與其它度數為1的結點為相連。*nix使用者，可以用下面的命令將snl_search_results.dot從NetworkX匯出為snl_search_results.dot.png，然後就可以用圖形檢視器找開了。
$ circo -Tpng -Osnl_search_results snl_search_results.dotWindows使用者可以用GVedit來渲染這個文字，如圖1－3.你可以讀到更多的選項關於Graphviz在線上文件。圖的視覺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，如果你認為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，我們也將用到其他視覺化工具。接下來的章節，我們將涉及其它社交網路資料及分析技術。
綜合：用Protovis來視覺化轉發的tweets.
一個關鍵的示例指令碼綜合了這一節的大部分內容，並且增加了一個視覺化方法， 這就是這一節要做的。另外輸出一些有用的資訊到終端，它接受一個搜尋關鍵字作為引數，獲取，解析，並彈出瀏覽器來顯示視覺化資料作為一個可互動的基於html5的圖。可以從這本書的官方程式碼中找到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 －－這個示例中用到的視覺化工具集，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的互動直譯器來挖掘和分析twitter的資料。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, 一個專案目的是將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直譯器，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指令碼有關，但是它是很重要的，你去多嘗試新主意，去除錯等等。
圖1－2， Graphviz渲染的圖形佈局搜尋結果
圖1－3，windows使用者用GVedit代替Graphviz
圖1－4，一個可互動的Protovis圖