분류 전체보기
-
[NetworkX] Projected Graph 투영그래프 (Bipartite Graph 활용)Data & ML & AI/NetworkX 2022. 10. 28. 01:33
Projected Graph 투영 그래프 X, Y 집단(set)로 이루어진 Bipartite Graph에서, X나 Y 둘 중 하나의 집단을 기준으로 투영한 그래프를 Projected Graph라고 합니다. 여기서 투영(projection)이란, 두개의 집단으로 나누어져 있어 복잡한 그래프(a)의 정보를 (b)나 (c)처럼 압축하는 과정을 의미합니다. 기존의 그래프가 (X1)-(Y1)-(X2), (X2)-(Y4)-(X4) 와 같은 형식이였다면, 중간의 Y집단을 생략하고 (X1)-(X2), (X2)-(X4)와 같이 정보를 단순화 시키는 겁니다. 같은 집단 내부에서도 서로 가깝고 먼 노드들이 있을텐데, 노드 간의 관계를 파악하기에 유용합니다. import networkx as nx from networkx.a..
-
[NetworkX] Bipartite Graph(양분 그래프) 그리기Data & ML & AI/NetworkX 2022. 10. 27. 23:18
샘플 Bipartite 그래프 생성 import networkx as nx from networkx.algorithms import bipartite X = set([1,2,3,4,5,6,7,8]) Y = set(['A','B','C','D','E','F']) B = nx.Graph() B.add_nodes_from(X, bipartite=0) B.add_nodes_from(Y, bipartite=1) B.add_edges_from([ (1,'A'),(1,'B'),(2,'A'),(2,'B'),(2,'D'),(3,'C'),(3,'E'),(4,'A'),(4,'D'), (5,'C'),(5,'E'),(6,'C'),(6,'F'),(7,'E'),(7,'F'),(8,'E') ]) 일반적인 그래프 그리기(비교용) nx..
-
[NetworkX] 양분그래프, Bipartite Graph (파이썬 네트워크 분석 9)Data & ML & AI/NetworkX 2022. 10. 22. 22:33
Bipartite Graph(양분그래프, 이분그래프) 요약 두개의 노드 집합으로 나누어지는 그래프 모든 엣지는 서로 다른 집합에 속한 노드끼리의 연결만으로 이루어진 그래프 즉, 같은 집합에 속한 노드끼리 엣지가 연결된 경우가 전혀 없는 그래프 from networkx.algorithms import bipartite 로 사용 가능 양분그래프란, 노드들이 두개의 집합으로 나누어지는 그래프를 의미합니다. 위의 사진 예시를 보죠. 두개의 집단이 있습니다. 오른쪽(R) 집단에는 농구팀 노드들이, 왼쪽(L) 집단에는 팬들이 있습니다. 모든 엣지는 [팬-팀(L-R)] 관계를 나타냅니다. 여기서 중요한건, L-R 관계가 아닌 엣지는 하나도 없다는 것입니다. L-L 관계와 R-R 관계인 엣지가 하나도 없습니다. 팬1이..
-
[NetworkX] 노드에 속성 부여하는 방법 (파이썬 네트워크 분석 8)Data & ML & AI/NetworkX 2022. 10. 16. 18:52
엣지에 속성을 부여하는 방법이 간단했던 것처럼, 노드에 속성을 부여하는 방법 또한 간단합니다. 1. 속성 부여하기 : G.add_node(), G.add_nodes_from() # 그래프 생성하기 G = nx.Graph() family = [('A','B',6),('E','J',15)] friend = [('B','C',13),('G','F',9)] coworker = [('C','F',21),('D','E',2),('E','I',10),('I','J',3),('E','H',9)] neighbor = [('C','E',25)] G.add_weighted_edges_from(friend, relation='family') G.add_weighted_edges_from(friend, relation='fri..
-
[NetworkX] add_edges_from의 사용방법Data & ML & AI/NetworkX 2022. 10. 14. 20:24
G.add_edge는 엣지 하나하나를 정의하기엔 편하지만, 한번에 여러개의 엣지를 정의하기엔 불편합니다. 때문에 NetworkX는 add_edges_from과 add_weighted_edges_from을 지원합니다. 각 노드의 속성으로 가중치값만 가지는 weight Graph라면 add_weighted_edges_from을 사용하는 것이 더 편리하겠지만, 2개 이상의 여러 속성들을 가진다면 add_edges_from을 쓰는것이 더 나을 수 있습니다. 그런데 멀티그래프(MultiGraph, 다중그래프)일때와 아닐때 사용방법에 차이가 조금 있습니다. 1. MultiGraph가 아닌 경우 : Graph(), DiGraph() 참조 : Graph.add_edges_from() 공식문서 # 공식문서 중 일부 발췌..
-
[NetworkX] 멀티그래프 데이터 읽기 (파이썬 네트워크 분석 7)Data & ML & AI/NetworkX 2022. 10. 12. 00:06
이전 글에서는 일반적인 무방향 그래프(nx.Graph())와 방향그래프(nx.DiGraph())의 데이터를 읽는 방법을 살펴보았습니다. https://brain-nim.tistory.com/48 다중그래프 (nx.MultiGraph(), nx.MultiDiGraph())에서는 아주 조금 다른 점이 있습니다. 일단 아래사진 우측의 그래프를 생성한 뒤 이어가겠습니다. (여기서는 nx.MultiDiGraph()를 예시로 합니다.) # 하지만 타자가 귀찮기 때문에 A~G 노드끼리 연결된 엣지만 작성했습니다. G = nx.MultiDiGraph() family = [('A','B',{'weight':6})] friend = [('A','B',{'weight':18}),('C','B',{'weight':13}),(..
-
[NetworkX] 그래프 데이터 읽기 (파이썬 네트워크 분석 6)Data & ML & AI/NetworkX 2022. 10. 11. 20:05
네트워크 그래프를 생성하더라도 데이터를 읽어내지 못한다면 쓸모가 없습니다. 이번엔 구축된 그래프에서 데이터를 읽어보겠습니다. 아래의 그래프를 기준으로 진행하겠습니다. import networkx as nx G = nx.Graph() # 엣지 하나씩 정의하기 G.add_edge('A','B', weight=6, relation='family') G.add_edge('E','J', weight=15, relation='family') # 한번에 여러 엣지 정의하기 friend = [('B','C',13),('G','F',9)] coworker = [('C','F',21),('D','E',2),('E','I',10),('I','J',3),('E','H',9)] neighbor = [('C','E',25)] G..
-
[NetworkX] 그래프 종류 종합정리 (파이썬 네트워크 분석 5)Data & ML & AI/NetworkX 2022. 10. 9. 17:58
앞선 글들에서 여러가지 종류의 그래프들을 만들어 보았습니다. 최종적으로 간략 정리를 해봅시다. 1. Undirected Graph (무방향 그래프) 가장 기본적인 형태의 그래프로, 단순하게 노드와 엣지를 연결한 네트워크입니다. (생성, 시각화 하는 방법 : https://brain-nim.tistory.com/35) [NetworkX] 파이썬 네트워크 분석 1 (무방향, 방향 그래프 생성하기) 네트워크(그래프)는 item들 간의 연결성을 포함, 표현하는 방식입니다. 그리고 파이썬을 이용해 네트워크 구조, 데이터셋을 쉽게 다룰 수 있습니다. NetworkX라는 라이브러리를 이용하면 쉽게 진행 brain-nim.tistory.com 2. Directed Graph (방향 그래프) 이쪽 노드에서 저쪽 노드로,..