Introduktion till grafskillnader

Nätverksanalys i Python – fortsättningskurs

Eric Ma

Data Carpentry instructor and author of nxviz package

Tidsserieanalys

ch3-1_v2.003.png

Nätverksanalys i Python – fortsättningskurs

Tidsserieanalys

  • Hur ett värde förändras över tid
    • Finns det en uppåt- eller nedåtgående trend?
  • Förändringshastighet över ett glidande tidsfönster
  • Exempel:
    • Följa viktutveckling över tid
    • Följa portföljvärde för aktieinvesteringar över tid
Nätverksanalys i Python – fortsättningskurs

Föränderliga grafer

  • Grafer som förändras över tid: kommunikationsnätverk
  • Antaganden:
    • Kanter förändras över tid; noder antas vara konstanta
    • Både kanter och noder förändras över tid
Nätverksanalys i Python – fortsättningskurs

Grafskillnader

  • Grafer består av:
    • En nodmängd
    • En kantmängd
  • Om nodmängden inte förändras:
    • En förändring i kantmängden leder till en förändring i grafen
Nätverksanalys i Python – fortsättningskurs

Grafskillnader

  • Analogi: mängdskillnader

ch3-1_v2.026.png

  • I NetworkX: funktionen .difference(G1, G2)
    • Förutsätter att G1 och G2 har lika nodmängder
Nätverksanalys i Python – fortsättningskurs

Grafskillnader i Python

list(G1.edges())
[('cust1', 'cust2'), ('cust3', 'cust2')]
list(G2.edges())
[('cust1', 'cust3'), ('cust3', 'cust2')]
G2minusG1 = nx.difference(G2, G1)

G1minusG2 = nx.difference(G1, G2)
Nätverksanalys i Python – fortsättningskurs

Nu kör vi en övning!

Nätverksanalys i Python – fortsättningskurs

Preparing Video For Download...