Andra paket för att visualisera grafer!

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Den här övningen är en del av kursen

Fallstudier: Nätverksanalys i R

SkillTag.level.beginnerSkillTag.label

4.8+

44 reviews

Starta kursen gratis

I det här kapitlet utforskar du en delmängd av ett Amazon-inköpsdiagram. Du bygger vidare på det du redan lärt dig, identifierar viktiga produkter och undersöker vad som driver köpbeslut. Du granskar också hur grafer kan förändras över tid genom att studera grafen under olika tidsperioder.

Exercise 1: Utforska din datamängd Exercise 2: Hitta dyader och triader Exercise 3: Klustring och reciprocitet Exercise 4: Viktiga produkter Exercise 5: Vad kännetecknar en viktig produkt?Exercise 6: Utforska tidsstruktur Exercise 7: Mätvärden över tid Exercise 8: Visualisera mätvärden över tid

I den här lektionen utforskar du Twitter-data om R genom att titta på konversationer med '#rstats'. Först granskar du rådata och funderar på hur du vill bygga upp din graf. Det finns flera sätt att göra det, och vi går igenom två: retweets och omnämnanden. Du bygger dessa grafer och jämför dem sedan utifrån ett antal mått.

Exercise 1: Skapa ditt retweetgraf Exercise 2: Visualisera grafen Exercise 3: Visualisera noder efter grad Exercise 4: Hur är centraliteten fördelad?Exercise 5: Vilka är viktiga i konversationen?Exercise 6: Visualisera viktiga noder Exercise 7: Bygga ett omnämnandegrafen Exercise 8: Jämföra omnämnande- och retweetgrafer Exercise 9: Assortatitivitet och reciprocitet Exercise 10: Vem pratar med vem?Exercise 11: Hitta communities Exercise 12: Jämföra community-algoritmer Exercise 13: Visualisera gemenskaperna

I det här kapitlet analyserar du data från ett cykeldelningsnätverk i Chicago. Vi bygger vidare på de koncept som redan behandlats i introduktionskursen och lägger till några nya för att hantera grafer med viktade kanter. Du börjar även med data i ett något råare format och går igenom hur du bygger upp din graf från en datakälla du kan tänkas stöta på.

Exercise 1: Skapa vårt graf från rådata Exercise 2: Skapa grafer för olika användartyper Exercise 3: Jämför grafer för olika användartyper Exercise 4: Jämför grafavstånd och geografiskt avstånd Exercise 5: Jämför avstånd för prenumeranter och icke-prenumeranter Exercise 6: Mest besökta stationer – dit och därifrån Exercise 7: Mest trafikerade stationer med vikter Exercise 8: Visualisera centrala noder Exercise 9: Viktade centralitetsmått Exercise 10: Konnektivitet Exercise 11: Hitta minsta snittet 1 Exercise 12: Hitta minimalt snitt 2 Exercise 13: Oklustrad klusterrandomisering Exercise 14: Viktad klusteringsrandomisering

Hittills har allt vi gjort utgått från igraphs inbyggda plottningsfunktioner. Det erbjuder många kraftfulla sätt att visualisera grafdata. Många föredrar dock att arbeta med andra plottningsramverk som ggplot2, eller till och med interaktiva ramverk som d3.js. I den här lektionen tittar du på andra plottningsbibliotek som bygger på ggplot2-ramverket. Du granskar också alternativa metoder som undviker det traditionella "hårbollsutseendet", till exempel hive plots, samt hur du skapar interaktiva och animerade diagram.

Exercise 1: Andra paket för att visualisera grafer!

Aktuell övning

Exercise 2: Grunderna i ggnet Exercise 3: Grunderna i ggnetwork Exercise 4: Fler plotalternativ i ggnet Exercise 5: Fler plotalternativ i ggnetwork Exercise 6: Interaktiva visualiseringar Exercise 7: Interaktiva diagram med ggiraph Exercise 8: Interaktiva JavaScript-diagram Exercise 9: Alternativa visualiseringar Exercise 10: Alternativa sätt att visualisera en graf: Hive plots Exercise 11: BioFabric som en HTML-widget Exercise 12: Plotta grafer på en karta