1. 学ぶ
    2. /
  2. コース
    3. /
  3. Python 中級ネットワーク解析
Connected

演習

共有メンバーシップを見つける：転置

疎行列に変換すると、グラフのメタデータが失われることに気づいたかもしれません。ここでは、共有メンバーシップをさらに分析できるように、メタデータを推定して戻す方法を学びます。

前の演習で計算した user_matrix は、すでにワークスペースに読み込まれています。

ここでは np.where() 関数が役立ちます。例えば配列 a = [1, 5, 9, 5] があり、値が 5 の位置のインデックスを取得したい場合、idxs = np.where(a == 5) とします。これによりタプルに入った配列、つまり (array([1, 3]),) が返されます。これらのインデックスにアクセスするには、idxs[0] のようにタプルをインデックス指定します。

指示

100 XP
  • 最も多くのクラブに所属していた人の名前を見つけましょう。
    • まず、user_matrix に対して .diagonal() メソッドを用いて diag を計算します。
    • 次に、np.where() を使って、diag が diag.max() に等しいインデックスを選択します。これはタプルを返すので、[0] でタプルにインデックス指定して、必要なインデックスにアクセスしてください。
    • indices を反復し、与えられた print() 関数を用いて、各インデックス i に対応する people_nodes の要素を出力します。
  • 対角成分をゼロに設定し、「座標形式（coordinate matrix format）」へ変換します。このコードは解答内に用意されています。
  • 最も多くのクラブで所属が重なっていたユーザーの組を見つけましょう。
    • np.where() を使い、users_coo.data が users_coo.data.max() に等しいインデックスにアクセスします。
    • indices2 を反復し、各インデックス idx について、users_coo.row と users_coo.col を用いて該当する people_node の要素を出力します。