Các gói khác để vẽ đồ thị!

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.

Bài tập này là một phần của khóa học

Các nghiên cứu tình huống: Phân tích mạng lưới với R

SkillTag.level.beginnerSkillTag.label

4.8+

Bắt đầu khóa học miễn phí

Trong chương này, bạn sẽ khám phá một phần của đồ thị mua sắm trên Amazon. Bạn sẽ xây dựng dựa trên những gì đã học, tìm các sản phẩm quan trọng và khám phá điều gì thúc đẩy hành vi mua hàng. Bạn cũng sẽ xem đồ thị thay đổi theo thời gian như thế nào bằng cách quan sát đồ thị ở các giai đoạn khác nhau.

Exercise 1: Khám phá bộ dữ liệu của bạn Exercise 2: Tìm Dyad và Triad Exercise 3: Gom cụm và Tính có đi có lại Exercise 4: Sản phẩm quan trọng Exercise 5: Điều gì tạo nên một sản phẩm quan trọng?Exercise 6: Khám phá cấu trúc theo thời gian Exercise 7: Các chỉ số theo thời gian Exercise 8: Vẽ biểu đồ các chỉ số theo thời gian

Trong bài học này, bạn sẽ khám phá một số dữ liệu Twitter về R bằng cách xem các cuộc trò chuyện sử dụng '#rstats'. Trước hết, bạn sẽ xem dữ liệu thô và suy nghĩ về cách bạn muốn xây dựng đồ thị. Có nhiều cách để làm việc này, và chúng ta sẽ đề cập đến hai cách: retweet và mention. Bạn sẽ xây dựng các đồ thị đó rồi so sánh chúng theo một số chỉ số.

Exercise 1: Tạo đồ thị retweet của bạn Exercise 2: Trực quan hóa đồ thị Exercise 3: Trực quan hóa nút theo bậc (degree)Exercise 4: Phân phối của centrality trông như thế nào?Exercise 5: Ai là người quan trọng trong cuộc trò chuyện?Exercise 6: Vẽ các đỉnh quan trọng Exercise 7: Xây dựng đồ thị mentions Exercise 8: So sánh đồ thị mention và retweet Exercise 9: Tính đồng assort và tính đối ứng Exercise 10: Tìm xem ai đang nói chuyện với ai Exercise 11: Tìm cộng đồng Exercise 12: So sánh các thuật toán phát hiện cộng đồng Exercise 13: Trực quan hóa các cộng đồng

Trong chương này, bạn sẽ phân tích dữ liệu từ một mạng lưới chia sẻ xe đạp ở Chicago. Chúng ta sẽ xây dựng trên các khái niệm đã đề cập trong khóa học nhập môn, và bổ sung một vài khái niệm mới để xử lý đồ thị có cạnh gán trọng số. Bạn cũng sẽ bắt đầu với dữ liệu ở dạng thô hơn một chút và tìm hiểu cách xây dựng đồ thị từ một nguồn dữ liệu mà bạn có thể bắt gặp.

Exercise 1: Tạo đồ thị từ dữ liệu thô Exercise 2: Tạo đồ thị theo từng nhóm người dùng Exercise 3: So sánh đồ thị của các nhóm người dùng khác nhau Exercise 4: So sánh khoảng cách trên đồ thị với khoảng cách địa lý Exercise 5: So sánh quãng đường: Thuê bao vs. Không thuê bao Exercise 6: Các trạm có lượt đến và đi nhiều nhất Exercise 7: Các trạm có lượt đi và đến nhiều nhất kèm trọng số Exercise 8: Trực quan hóa các đỉnh trung tâm Exercise 9: Các thước đo trung tâm có trọng số Exercise 10: Tính kết nối Exercise 11: Tìm lát cắt tối thiểu 1 Exercise 12: Tìm lát cắt nhỏ nhất 2 Exercise 13: Ngẫu nhiên hóa hệ số gom cụm không trọng số Exercise 14: Ngẫu nhiên hóa hệ số gom cụm có trọng số

Đến giờ, mọi thứ chúng ta làm đều sử dụng khả năng vẽ từ igraph. Nó cung cấp nhiều cách mạnh mẽ để trực quan hóa dữ liệu đồ thị. Tuy nhiên, nhiều người thích làm việc với các khung vẽ khác như ggplot2, hoặc thậm chí các khung tương tác như d3.js. Trong bài học này, bạn sẽ xem các thư viện vẽ khác xây dựng trên nền tảng ggplot2. Bạn cũng sẽ tìm hiểu các phương pháp khác không theo kiểu "mớ tóc rối" như hive plot, cũng như cách tạo biểu đồ tương tác và biểu đồ động.

Exercise 1: Các gói khác để vẽ đồ thị!

Bài tập hiện tại

Exercise 2: Những điều cơ bản về ggnet Exercise 3: Những điều cơ bản về ggnetwork Exercise 4: Nhiều tùy chọn vẽ với ggnet Exercise 5: Nhiều tùy chọn vẽ với ggnetwork hơn Exercise 6: Trực quan tương tác Exercise 7: Biểu đồ tương tác với ggiraph Exercise 8: Biểu đồ javascript tương tác Exercise 9: Các cách trực quan hóa thay thế Exercise 10: Các cách khác để trực quan hóa đồ thị: Hive plot Exercise 11: BioFabric dưới dạng widget HTML Exercise 12: Vẽ đồ thị trên bản đồ