Introduction au jeu de données

Analyse de réseaux intermédiaire en Python

Eric Ma

Data Carpentry instructor and author of nxviz package

Présentation du jeu de données et de l’étude de cas

Jeu de données de publications sur un forum universitaire, 6 mois
Partitions de nœuds : étudiants, forums
Activités du chapitre :
- Construire un graphe à partir d’un DataFrame pandas
- Calculer des projections unipartites d’un graphe bipartite
- Visualisation
- Filtrage et analyse de séries temporelles
Rappel des fonctions déjà vues

Graphes depuis des DataFrames

df

   customers    products
0  customerA    product1
1  customerB    product2
...

G = nx.Graph()

G.add_nodes_from(df['products'], bipartite='products')
G.add_nodes_from(df['customers'], bipartite='customers')

list(G.nodes())

['product1', 'customerC', 'product2', 'customerB', 'customerA']

list(G.edges())

[]

Graphes depuis des DataFrames

G.add_edges_from(zip(df['customers'], df['products']))

list(G.edges())

[('product1', 'customerC'), ('product1', 'customerA'), 
    ('customerC', 'product2'), ('product2', 'customerB')]

Projections bipartites

cust_nodes = [n for n in G.nodes() if G.nodes[n]
                 ['bipartite'] == 'customers']

prod_nodes = [n for n in G.nodes() if G.nodes[n]
                  ['bipartite'] == 'products']

prodG = nx.bipartite.projected_graph(G, nodes=prod_nodes)
custG = nx.bipartite.projected_graph(G, nodes=cust_nodes)

list(prodG.nodes())

['product1', 'product2']

list(custG.nodes())

['customerC', 'customerB', 'customerA']

Passons à la pratique !

Analyse de réseaux intermédiaire en Python