เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

คำนวณ adjacency matrix

ในแบบฝึกหัดนี้ จะได้ฝึกใช้เมทริกซ์และการคูณ sparse matrix เพื่อคำนวณ projection! โดยจะใช้ operator การคูณเมทริกซ์ @ ที่เปิดตัวใน Python 3.5

เราจะทำงานต่อกับกราฟ American Revolution โดย partition ที่ต้องการใช้ในที่นี้คือ 'people' และ 'clubs'

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์เครือข่ายระดับกลางใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ดึงรายชื่อบุคคลและรายชื่อกลุ่มจากกราฟ G โดยใช้ฟังก์ชัน get_nodes_from_partition() ที่กำหนดไว้ในบทก่อนหน้า ฟังก์ชันนี้รับพารามิเตอร์ 2 ตัว ได้แก่ กราฟ และ partition
  • คำนวณ biadjacency matrix โดยใช้ nx.bipartite.biadjacency_matrix() โดยกำหนดพารามิเตอร์ row_order เป็น people_nodes และ column_order เป็น clubs_nodes อย่าลืมส่งกราฟ G เข้าไปด้วย
  • คำนวณ user-user projection โดยคูณ (ด้วย operator @) biadjacency matrix bi_matrix กับ transpose ของมัน คือ bi_matrix.T

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Get the list of people and list of clubs from the graph: people_nodes, clubs_nodes
people_nodes = ____
clubs_nodes = ____

# Compute the biadjacency matrix: bi_matrix
bi_matrix = ____(____, row_order=____, column_order=____)

# Compute the user-user projection: user_matrix
user_matrix = ____

print(user_matrix)
แก้ไขและรันโค้ด