nxviz kullanarak görselleştirme

Şimdi, nxviz kullanarak bir circos grafiği oluşturmayı pratik edeceksin! Bir sonraki videoda gelecek konulara küçük bir ön izleme olarak, bu egzersizde bipartite anahtar sözcüğü üzerine kısa bir bölüm de var!

Burada, her düğümün derece merkeziliği (degree centrality) skoru, aşağıdaki kod kullanılarak senin için düğümlerin meta veri sözlüğüne eklendi:

# Her düğümün derece merkeziliği skorunu meta veri sözlüğüne ekle
dcs = nx.degree_centrality(G)
for n in G.nodes():
    G.nodes[n]['centrality'] = dcs[n]

Derece merkeziliğini tazelemek istersen, önceki kurstaki ilgili videoya göz at: bir düğümün önemini hesaplamanın bir yoludur!

nxviz, nv olarak, NetworkX (nx) ve matplotlib.pyplot (plt) ile birlikte senin için önceden içe aktarıldı.

Bu egzersiz

Python ile Orta Düzey Ağ (Network) Analizi

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

G ağını bir circos grafiği kullanarak görselleştir. Bunu yapmak için:
- nv.circos() fonksiyonunu kullanarak c adlı bir circos grafiği oluştur. Düğümleri bipartite anahtar sözcüğüne göre renklendirmek ve gruplandırmak için graph, node_color_by ve group_by parametrelerini; düğümleri centrality değerine göre sıralamak için sort_by parametresini belirtmelisin.
- Düğümlerin görüntülendiğinde görünür olmasını sağlamak için node_enc_kwargs={'radius': 10} argümanını ekledik.
- c grafiğini ekrana çiz.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Create the CircosPlot object: c
c = nv._____(___, _____, _____, node_enc_kwargs={'radius': 10})

# Display the plot
____

Kodu Düzenle ve Çalıştır

Bu egzersiz

Python ile Orta Düzey Ağ (Network) Analizi

kursunun bir parçasıdır

AvançadoNível de habilidade

4.8+

Kursa Ücretsiz Başlayın

In this chapter, you will learn about bipartite graphs and how they are used in recommendation systems. You will explore the GitHub dataset from the previous course, this time analyzing the underlying bipartite graph that was used to create the graph that you used earlier. Finally, you will get a chance to build the basic components of a recommendation system using the GitHub data!

Exercise 1: Tanımlar ve kısa tekrar Exercise 2: Keşifsel veri analizi Exercise 3: nxviz kullanarak görselleştirme

Geçerli Egzersiz

Exercise 4: İki bölümlü graflar Exercise 5: İki parçalı (bipartite) anahtar kelimesi Exercise 6: Kullanıcı düğümlerinin derece merkezilik dağılımı Exercise 7: Proje düğümlerinin derece merkeziliği dağılımı Exercise 8: İki parçalı graflar ve öneri sistemleri Exercise 9: Diğer bölümdeki ortak düğümler Exercise 10: Kullanıcı benzerliği metriği Exercise 11: Benzer kullanıcıları bul Exercise 12: Depo öner

In this chapter, you will use a famous American Revolution dataset to dive deeper into exploration of bipartite graphs. Here, you will learn how to create the unipartite projection of a bipartite graph, a very useful method for simplifying a complex network for further analysis. Additionally, you will learn how to use matrices to manipulate and analyze graphs - with many computing routines optimized for matrices, you'll be able to analyze many large graphs quickly and efficiently!

Exercise 1: Concept of projection Exercise 2: Reading graphs Exercise 3: Computing projection Exercise 4: Plot degree centrality on projection Exercise 5: Bipartite graphs as matrices Exercise 6: Properties of bipartite adjacency matrices.Exercise 7: Compute adjacency matrix Exercise 8: Find shared membership: Transposition Exercise 9: Representing network data with pandas Exercise 10: Make nodelist Exercise 11: Make edgelist

In this chapter, you will delve into the fundamental ways that you can analyze graphs that change over time. You will explore a dataset describing messaging frequency between students, and learn how to visualize important evolving graph statistics.

Exercise 1: Introduction to graph differences Exercise 2: List of graphs Exercise 3: Graph differences over time Exercise 4: Plot number of edge changes over time Exercise 5: Evolving graph statistics Exercise 6: Number of edges over time Exercise 7: Degree centrality over time Exercise 8: Zooming in & zooming out: Overall graph summary Exercise 9: Find nodes with top degree centralities Exercise 10: Visualizing connectivity

In this chapter, you will apply everything you've learned in the previous three chapters to a forum posting dataset. You will analyze the temporal changes in forum user connectivity patterns, and make visualizations of evolving graph statistics over time.

Exercise 1: Introduction to the dataset Exercise 2: Create a graph from the pandas DataFrame Exercise 3: Visualize the degree centrality distribution of the students projection Exercise 4: Visualize the degree centrality distribution of the forums projection Exercise 5: Time based filtering Exercise 6: Time filter on edges Exercise 7: Visualize filtered graph using nxviz Exercise 8: Time series analysis Exercise 9: Plot number of posts being made over time Exercise 10: Extract the mean degree centrality day-by-day on the students partition Exercise 11: Find the most popular forums day-by-day: I Exercise 12: Find the most popular forums day-by-day: II Exercise 13: Congratulations!