دوره آموزشی گراف کاوی با پایتون

مقدمه

به کمک کتابخانه گرافی NetworkX می توان شبکه ها را ایجاد و دست کاری کرد. گره های یک گراف در این پکیج می توانند متن، تصاویر و یا موارد دیگر باشند. همچنین یال ها (لبه ها) می توانند وزن یا سری زمانی را نگه داری کنند. در این پکیج، بسیاری از الگوریتم های مربوط به گراف موجود است. به کمک این پکیج می توان کارهای مختلفی از جمله تعیین کوتاه ترین مسیر بین دو گره یا محاسبه فاصله یک گره از سایر گره های دیگر را انجام داد. به کمک معیارهای مرکزیت (Centrality Measures)، مانند رتبه و بینابینی، می توان تاثیرگذارترین گره های موجود در شبکه را پیدا کرد. پایه معیار مرکزیت رتبه این است که گره های مهم تر اتصالات بیشتری دارند. معیار مرکزیت بینابینی، تعداد دفعاتی که یک گره خاص به کوتاه ترین مسیر انتخابی بین دو گره دیگر می رسد را، تعیین می کند. گره هایی با مرکزیت بینابینی بیشتر، نقش مهمی در چرخه ارتباطی یا اطلاعاتی درون یک شبکه دارند.

امکانات NetworkX

• ساختار داده ها برای نمودارها، گراف ها و چند گرافیک
• بسیاری از الگوریتم های مربوط به گراف
  
• ساختار شبکه و آنالیز مقادیر شبکه
  
• دارای ژنراتور برای گراف های کلاسیک، گراف های تصادفی و گراف های معنایی
• گره ها می توانند هر چیزی باشند (مثلا متن، تصاویر، سوابق XML) باشند
• لبه ها می توانند داده های دلخواه (مثلا وزن، سری زمانی) را نگه دارند
• مجوز منبع باز 3-clause BSD license
  
• با پوشش کد بیش از 90٪ تست شده است
• مزایای دیگری از Python شامل ساخت نمونه اولیه سریع، آسان برای آموزش، و چند پلت فرمی بودن
  

دوره ای که پیش رو دارید آموزش عملی گراف کاوی و تحلیل شبکه های اجتماعی با زبان پایتون با استفاده از کتابخانه networkx را به شما آموزش خواهد داد. 

گراف کاوی با پایتون

Networkx یک بسته پایتون برای ایجاد، دستکاری و مطالعه ساختار، پویایی و عملکرد شبکه های پیچیده است. این کتابخانه گراف هایی ایجاد می کند که از گره ها و یال ها تشکیل می شود. لازم به ذکر است که Networkx، اساسا با دیکشنری ها کار میکند. یکی از اولین کار هایی که دانشمندان علوم شبکه در فرایند کاری خود انجام میدهند تحلیل اولیه شبکه و به دست آوردن اطلاعات سودمند می باشد.

انواع شبکه ها

کتابخانه NetworkX چه کمکی به ما در تحلیل شبکه های پیچیده می کند؟

پیدا کردن درجه 

یافتن کوتاه ترین مسیرها

تحلیل شبکه های مقیاس آزاد

بررسی انتقال پذیری در شبکه 

یافتن مرکزیت های متنوع در شبکه