Graf bipartit sebagai matriks

Analisis Jaringan Menengah di Python

Eric Ma

Data Carpentry instructor and author of nxviz package

Representasi matriks

Baris: node pada satu partisi
Kolom: node pada partisi lain
Sel: 1 jika ada edge, selain itu 0

Representasi matriks

ch2-2.006.png

Contoh kode

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>

Proyeksi matriks

Proyeksi dapat dihitung dengan perkalian matriks

ch2-2.014.png

Proyeksi matriks

Proyeksi dapat dihitung dengan perkalian matriks

ch2-2.015.png

Proyeksi matriks

Proyeksi dapat dihitung dengan perkalian matriks

ch2-2.016.png

Proyeksi matriks

Proyeksi dapat dihitung dengan perkalian matriks

ch2-2.017.png

Proyeksi matriks

Proyeksi dapat dihitung dengan perkalian matriks

ch2-2.018.png

Proyeksi matriks

Proyeksi dapat dihitung dengan perkalian matriks

ch2-2.019.png

Proyeksi matriks

Proyeksi dapat dihitung dengan perkalian matriks

ch2-2.020.png

Proyeksi matriks

Proyeksi dapat dihitung dengan perkalian matriks

ch2-2.021.png

Proyeksi matriks

Proyeksi dapat dihitung dengan perkalian matriks

ch2-2.022.png

Proyeksi matriks

Proyeksi dapat dihitung dengan perkalian matriks

ch2-2.023.png

Proyeksi matriks

Proyeksi dapat dihitung dengan perkalian matriks

ch2-2.024.png

Proyeksi matriks

Proyeksi dapat dihitung dengan perkalian matriks

ch2-2.025.png

Perkalian matriks di 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>

Ayo berlatih!

Analisis Jaringan Menengah di Python