Bipartite Graphen als Matrizen

Fortgeschrittene Netzwerkanalyse in Python

Eric Ma

Data Carpentry instructor and author of nxviz package

Matrixdarstellung

Zeilen: Knoten einer Partition
Spalten: Knoten der anderen Partition
Zellen: 1 bei Kante, sonst 0

Matrixdarstellung

ch2-2.006.png

Beispielcode

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']

mat = nx.bipartite.biadjacency_matrix(G, 
          row_order=cust_nodes, column_order=prod_nodes)

mat

<3x2 sparse matrix of type '<class 'numpy.int64'>'
with 3 stored elements in Compressed Sparse Row format>

Matrixprojektion

Projektion per Matrixmultiplikation berechenbar

ch2-2.014.png

Matrixprojektion

Projektion per Matrixmultiplikation berechenbar

ch2-2.015.png

Matrixprojektion

Projektion per Matrixmultiplikation berechenbar

ch2-2.016.png

Matrixprojektion

Projektion per Matrixmultiplikation berechenbar

ch2-2.017.png

Matrixprojektion

Projektion per Matrixmultiplikation berechenbar

ch2-2.018.png

Matrixprojektion

Projektion per Matrixmultiplikation berechenbar

ch2-2.019.png

Matrixprojektion

Projektion per Matrixmultiplikation berechenbar

ch2-2.020.png

Matrixprojektion

Projektion per Matrixmultiplikation berechenbar

ch2-2.021.png

Matrixprojektion

Projektion per Matrixmultiplikation berechenbar

ch2-2.022.png

Matrixprojektion

Projektion per Matrixmultiplikation berechenbar

ch2-2.023.png

Matrixprojektion

Projektion per Matrixmultiplikation berechenbar

ch2-2.024.png

Matrixprojektion

Projektion per Matrixmultiplikation berechenbar

ch2-2.025.png

Matrixmultiplikation in Python

mat @ mat.T

<5x5 sparse matrix of type '<class 'numpy.int64'>'
 with 23 stored elements in Compressed Sparse Row format>

mat.T @ mat

<10x10 sparse matrix of type '<class 'numpy.int64'>'
 with 50 stored elements in Compressed Sparse Column format>

Lass uns üben!

Fortgeschrittene Netzwerkanalyse in Python