Introduction à l'ensemble de données

Analyse de réseaux intermédiaire en Python

Eric Ma

Data Carpentry instructor and author of nxviz package

Présentation de l'ensemble de données et de l'étude de cas

Ensemble de publications sur un forum collégial, 6 mois
Partitions de nœuds : étudiant·e·s, forums
Activités du chapitre :
- Construire un graphe à partir d'un DataFrame pandas
- Calculer des projections unipartites d'un graphe bipartite
- Visualisation
- Filtrage et analyse de séries chronologiques
Rappel des fonctions déjà vues

Graphes à partir de 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())

[]

Graphes à partir de DataFrames

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

list(G.edges())

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

Projections bipartites

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']

Passons à la pratique !

Analyse de réseaux intermédiaire en Python