資料集介紹

Python 網路分析進階

Eric Ma

Data Carpentry instructor and author of nxviz package

資料集與案例介紹

大學論壇貼文資料集，為期 6 個月
節點分群：學生、論壇
本章活動：
- 由 pandas DataFrame 建立圖
- 計算二分圖的單分圖投影
- 視覺化
- 時間序列篩選與分析
複習前面用過的函式

從 DataFrame 建立圖

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())

[]

從 DataFrame 建立圖

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

list(G.edges())

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

二分圖投影

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']

一起來練習吧！

Python 網路分析進階