本章你會學到什麼是二分圖，以及它們如何應用在推薦系統中。你將再次探索前一門課使用的 GitHub 資料集，這次改從底層的二分圖切入，分析先前所用圖形背後的結構。最後，你會動手用 GitHub 資料打造推薦系統的基本元件！

名詞定義與基礎複習

探索式資料分析

使用 nxviz 繪圖

雙部圖

bipartite 關鍵字

使用者節點的度中心性分佈

專案節點的度中心性分佈

二分圖與推薦系統

另一側分區的共用節點

使用者相似度指標

找出相似的使用者

二分圖與商品推薦系統

本章你將使用一個著名的美國獨立革命資料集，進一步深入探討二分圖。在此你會學到如何建立二分圖的單分圖投影，這是將複雜網路簡化以便後續分析的實用方法。此外，你也會學到如何用矩陣來操作與分析圖形——由於許多運算常式都對矩陣做了最佳化，你將能更快速有效地分析大量圖形！

投影的概念

讀取圖形

計算投影

在投影圖上繪製度數中心性

以矩陣表達二分圖

二分圖鄰接矩陣的性質。

計算鄰接矩陣

找出共同成員關係：轉置

用 pandas 表示網路資料

建立 nodelist

建立 edgelist

圖投影

本章你將深入了解分析隨時間改變之圖形的基本方法。你會探索一個描述學生之間訊息互動頻率的資料集，並學習如何視覺化重要且持續演變的圖形統計量。

圖形差異入門

圖形清單

隨時間比較圖形差異

隨時間繪製邊變化的數量

隨時間演變的圖形統計

隨時間變化的邊數

隨時間變化的度中心性

放大與縮小：整體圖形摘要

找出度中心性最高的節點

視覺化連通度

比較圖形與時間動態圖

本章你會把前三章學到的一切應用到一個論壇貼文資料集上。你將分析論壇使用者連結模式的時間變化，並製作隨時間演變的圖形統計量視覺化。

資料集導論

從 pandas DataFrame 建立圖形

視覺化學生投影的度中心性分布

視覺化論壇投影的度中心性分佈

依時間為基準的過濾

以時間篩選邊

使用 nxviz 視覺化篩選後的圖形

時間序列分析

隨時間繪製貼文數量變化

逐日擷取學生分割上的平均度中心性

逐日找出最受歡迎的討論區：I

逐日找出最熱門的看板：II

恭喜！

統整與收尾！

American Revolution

GitHub

College forum messages

你已經上過 DataCamp 的 Python 網路分析入門課，想更進一步學習用於社群、運輸或生物網路的進階技巧嗎？這門課正適合你！在這裡，你會在原有的知識與技能上，更進一步解決網路分析中的進階問題。你將學到分析隨時間演變的網路序列、了解二分圖，以及如何在商品推薦系統中運用二分圖。你也會學到圖投影，以及為什麼它在資料科學中特別實用，並找出從檔案儲存與載入圖形資料的最佳做法。最後，你會在期末章節的個案研究中，分析一個論壇資料集，整合所學，成為精通 Python 的網路分析高手！

Introduction to Network Analysis in Python

學習如何分析時間序列圖、使用二分圖，並掌握使用Python解決網絡分析高級問題的技能。

Python 網路分析進階

掌握時間序列圖分析、雙部圖應用，提升解決進階網路分析問題的能力。

放大與縮小：整體圖形摘要

Create Your Free Account