Grafi bipartiti come matrici

Analisi di reti intermedia in Python

Eric Ma

Data Carpentry instructor and author of nxviz package

Rappresentazione matriciale

Righe: nodi di una partizione
Colonne: nodi dell’altra partizione
Celle: 1 se c’è un arco, altrimenti 0

Rappresentazione matriciale

ch2-2.006.png

Codice di esempio

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>

Proiezione matriciale

Proiezione calcolabile con moltiplicazione di matrici

ch2-2.014.png

Proiezione matriciale

Proiezione calcolabile con moltiplicazione di matrici

ch2-2.015.png

Proiezione matriciale

Proiezione calcolabile con moltiplicazione di matrici

ch2-2.016.png

Proiezione matriciale

Proiezione calcolabile con moltiplicazione di matrici

ch2-2.017.png

Proiezione matriciale

Proiezione calcolabile con moltiplicazione di matrici

ch2-2.018.png

Proiezione matriciale

Proiezione calcolabile con moltiplicazione di matrici

ch2-2.019.png

Proiezione matriciale

Proiezione calcolabile con moltiplicazione di matrici

ch2-2.020.png

Proiezione matriciale

Proiezione calcolabile con moltiplicazione di matrici

ch2-2.021.png

Proiezione matriciale

Proiezione calcolabile con moltiplicazione di matrici

ch2-2.022.png

Proiezione matriciale

Proiezione calcolabile con moltiplicazione di matrici

ch2-2.023.png

Proiezione matriciale

Proiezione calcolabile con moltiplicazione di matrici

ch2-2.024.png

Proiezione matriciale

Proiezione calcolabile con moltiplicazione di matrici

ch2-2.025.png

Moltiplicazione di matrici 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>

Passiamo alla pratica!

Analisi di reti intermedia in Python