Introductie van de gegevensset

Gemiddelde netwerkanalyse in Python

Eric Ma

Data Carpentry instructor and author of nxviz package

Introductie dataset & casestudy

Gegevensset met forumberichten van een college, 6 maanden
Node-partities: studenten, forums
Activiteiten in dit hoofdstuk:
- Een graaf opbouwen uit een pandas DataFrame
- Unipartite projecties van een bipartite graaf berekenen
- Visualisatie
- Tijdreeksfiltering en -analyse
Herhaling van eerder gebruikte functies

Grafen uit 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())

[]

Grafen uit DataFrames

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

list(G.edges())

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

Bipartite projecties

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']

Laten we oefenen!

Gemiddelde netwerkanalyse in Python