Konsep proyeksi

Analisis Jaringan Menengah di Python

Eric Ma

Data Carpentry instructor and author of nxviz package

Proyeksi

Representasi unipartit dari keterhubungan bipartit
- Dikondisikan pada koneksi ke node di partisi lain

Proyeksi

Representasi unipartit dari keterhubungan bipartit

Representasi unipartit dari keterhubungan bipartit

Proyeksi

Representasi unipartit dari keterhubungan bipartit

Representasi unipartit dari keterhubungan bipartit

Proyeksi

Representasi unipartit dari keterhubungan bipartit

Representasi unipartit dari keterhubungan bipartit

Proyeksi

Representasi unipartit dari keterhubungan bipartit

Representasi unipartit dari keterhubungan bipartit

Graf di Disk

Daftar sisi datar
File CSV: nodelist + metadata, edgelist + metadata

Membaca data jaringan

import networkx as nx
G = nx.read_edgelist('american-revolution.txt')

list(G.edges(data=True))[0:5]

[('Parkman.Elias', 'LondonEnemies', {'weight': 1}),
 ('Parkman.Elias', 'NorthCaucus', {'weight': 1}),
 ('Inglish.Alexander', 'StAndrewsLodge', {'weight': 1}),
 ('NorthCaucus', 'Chadwell.Mr', {'weight': 1}),
 ('NorthCaucus', 'Pearce.IsaacJun', {'weight': 1})]

File teks

Barrett.Samuel LondonEnemies {'weight': 1}
Barrett.Samuel StAndrewsLodge {'weight': 1}
Marshall.Thomas LondonEnemies {'weight': 1}
Eaton.Joseph TeaParty {'weight': 1}
Bass.Henry LondonEnemies {'weight': 1}

Proyeksi bipartit

list(G.nodes())

['product2', 'customer3', 'customer1', 'product3',  
    'customer2', 'product1']

list(G.edges())

[('product2', 'customer1'),
 ('product2', 'customer2'),
 ('customer3', ‘product1')]

Proyeksi bipartit

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

['customer3', 'customer1', 'customer2']

Proyeksi bipartit

G_cust = nx.bipartite.projected_graph(G, cust_nodes)
list(G_cust.nodes())

['customer1', 'customer3', 'customer2']

list(G_cust.edges())

[('customer1', 'customer2')]

Degree centrality

Ingat definisi degree centrality $$\frac{\text{number of neighbors}}{\text{number of possible neighbors}}$$
Penyebut: jumlah node di partisi seberang

Degree centrality bipartit

nx.bipartite.degree_centrality(G, cust_nodes)

{'customer1': 0.3333333333333333,
 'customer2': 0.3333333333333333,
 'customer3': 0.3333333333333333,
 'product1': 0.3333333333333333,
 'product2': 0.6666666666666666,
 'product3': 0.0}

Degree centrality bipartit

nx.degree_centrality(G)

{'customer1': 0.2,
 'customer2': 0.2,
 'customer3': 0.2,
 'product1': 0.2,
 'product2': 0.4,
 'product3': 0.0}

Ayo berlatih!

Analisis Jaringan Menengah di Python