本章将介绍二分图及其在推荐系统中的应用。您将再次探索上一门课程中的 GitHub 数据集，这一次将分析用于构建先前图形的底层二分图。最后，您还将有机会基于 GitHub 数据构建一个推荐系统的基础组件。

定义与基础回顾

探索性数据分析

使用 nxviz 作图

二分图

bipartite 关键字

用户节点的度中心性分布

项目节点的度中心性分布

二部图与推荐系统

另一分区中的共享节点

用户相似度度量

查找相似用户

二分图与产品推荐系统

本章将使用一份著名的美国独立战争数据集，更深入地探索二分图。您将学习如何创建二分图的单分图投影，这是一种将复杂网络简化以便进一步分析的实用方法。此外，您还将学习如何用矩阵来处理与分析图——借助对矩阵高度优化的计算过程，您可以快速高效地分析大量大型图。

投影的概念

读取图

计算投影

在投影上绘制度中心性分布

将二部图表示为矩阵

二部图邻接矩阵的性质。

计算邻接矩阵

查找共同成员：转置

用 pandas 表示网络数据

创建 nodelist

构建边列表

图投影

本章将深入探讨分析随时间变化的图的基本方法。您将使用一个描述学生之间消息往来频率的数据集，并学习如何可视化重要的演化图统计量。

图差异入门

图列表

随时间变化的图差异

随时间绘制边变化的数量

动态图统计

随时间变化的边数量

随时间变化的度中心性

放大与缩小：整体图概览

查找度中心性最高的节点

可视化连通性

图比较与时间动态图

本章将把前三章所学全部应用到一个论坛发帖数据集上。您将分析论坛用户连接模式的时间变化，并可视化随时间演化的图统计量。

数据集简介

从 pandas DataFrame 创建图

可视化学生投影的度数中心性分布

可视化论坛投影的度中心性分布

基于时间的筛选

基于边的时间过滤

使用 nxviz 可视化已筛选的图

时间序列分析

绘制随时间变化的发帖数量

按天提取学生分区的平均度中心性

按天找出最受欢迎的论坛：I

逐日找出最热门的论坛：II

恭喜您！

总结与提升

American Revolution

GitHub

College forum messages

您已经完成 DataCamp 的 Python 网络分析入门课程，并希望学习更高级的方法来分析社交、交通或生物等各类网络吗？那这门课正适合您！在这里，您将基于已有知识与技能，解决更高阶的网络分析问题。您将掌握分析随时间演化的网络序列的概念与实操技能，学习二分图，以及如何在商品推荐系统中使用二分图。您还会学习图投影、它们为何对数据科学如此有用，以及如何将图数据高效地存储与从文件加载。最后，您将通过一个章节案例研究整合所学，对一个论坛数据集进行分析，并以一名精通 Python 的网络分析高手完成本课程！

Introduction to Network Analysis in Python

学习如何分析时间序列图、使用二分图，并掌握使用Python解决网络分析高级问题的技能。

Python 网络分析中级

分析时间序列图，使用二分图，并掌握解决网络分析高级问题的技能。

放大与缩小：整体图概览

Create Your Free Account