تحلیل شبکه‌های پیچیده در پایتون ۲۰۱۸
Complex Network Analysis in Python 2018

با استفاده از ماژول networkx در زبان برنامه‌نویسی پایتون، شبکه‌ها را ایجاد، تحلیل و تجسم کنید. تحلیل شبکه ابزاری قدرتمند است که می‌توانید آن را در مجموعه‌ای گسترده از داده‌ها و موقعیت‌ها به کار ببرید. بیاموزید که چگونه با انواع شبکه‌ها، از جمله شبکه‌های اجتماعی، محصولی، زمانی، مکانی و معنایی کار کنید. تقریباً هر داده دنیای واقعی را به یک شبکه پیچیده تبدیل کنید—مانند توصیه‌های مربوط به استفاده مشترک از محصولات آرایشی، ارتباطات مبهم صندوق‌های سرمایه‌گذاری تامینی و دوستی‌های آنلاین. شبکه را تحلیل و تجسم کنید و بر اساس تجزیه‌وتحلیل خود تصمیمات تجاری بگیرید. اگر یک برنامه‌نویس پایتون کنجکاو، یک دانشمند داده یا یک متخصص CNA (تحلیل شبکه پیچیده) هستید که علاقه‌مند به مکانیزه کردن وظایف پیش‌پاافتاده است، بهره‌وری خود را به طور چشمگیری افزایش خواهید داد.

تحلیل شبکه‌های پیچیده قبلاً به‌صورت دستی یا با ابزارهای تحلیل شبکه غیرقابل برنامه‌ریزی انجام می‌شد، اما دیگر این‌طور نیست! اکنون می‌توانید این وظایف را در پایتون خودکار و برنامه‌ریزی کنید. شبکه‌های پیچیده مجموعه‌ای از موارد، کلمات، مفاهیم یا افراد مرتبط هستند. با بررسی ساختار و عناصر فردی آن‌ها، می‌توانیم در مورد معنا، تکامل و انعطاف‌پذیری آن‌ها بیاموزیم.

با شبکه‌های ساده شروع کنید و نمودارهای شبکه واقعی و مصنوعی را به ساختارهای داده networkx تبدیل کنید. به شبکه‌های پیچیده‌تر نگاهی بیندازید و ماشین‌آلات قدرتمندتری را برای رسیدگی به محاسبه مرکزیت، مدل‌سازی بلوکی و تشخیص گروهک و اجتماع بیاموزید. با ابزارهای تجسم شبکه با کیفیت ارائه، هم قابل برنامه‌ریزی و هم تعاملی—مانند Gephi، یک کاوشگر CNA—آشنا شوید. الگوهای مطالعات موردی را با مشکلات خود تطبیق دهید. شبکه‌های بزرگ را با NetworKit، جایگزینی با کارایی بالا برای networkx، کاوش کنید. هر بخش در کتاب، یک نمای کلی از یک کلاس از شبکه‌ها را به شما ارائه می‌دهد، شامل یک مطالعه عملی از توابع و تکنیک‌های networkx است و با مطالعات موردی از زمینه‌های مختلف، از جمله شبکه‌های اجتماعی، انسان‌شناسی، بازاریابی و تحلیل ورزشی به پایان می‌رسد.

مهارت‌های برنامه‌نویسی CNA و پایتون خود را ترکیب کنید تا به یک تحلیلگر شبکه بهتر، یک دانشمند داده ماهرتر و یک برنامه‌نویس همه‌کاره‌تر تبدیل شوید.

**آنچه شما نیاز دارید:**

شما به یک نصب پایتون 3.x با ماژول‌های اضافی زیر نیاز دارید: Pandas (>=0.18)، NumPy (>=1.10)، matplotlib (>=1.5)، networkx (>=1.11)، python-louvain (>=0.5)، NetworKit (>=3.6) و generalizesimilarity. ما توصیه می‌کنیم از توزیع Anaconda استفاده کنید که با تمام این ماژول‌ها ارائه می‌شود، به جز python-louvain، NetworKit و generalizedsimilarity، و بر روی تمام سیستم‌عامل‌های اصلی مدرن کار می‌کند.

Construct, analyze, and visualize networks with networkx, a Python language module. Network analysis is a powerful tool you can apply to a multitude of datasets and situations. Discover how to work with all kinds of networks, including social, product, temporal, spatial, and semantic networks. Convert almost any real-world data into a complex network–such as recommendations on co-using cosmetic products, muddy hedge fund connections, and online friendships. Analyze and visualize the network, and make business decisions based on your analysis. If you’re a curious Python programmer, a data scientist, or a CNA specialist interested in mechanizing mundane tasks, you’ll increase your productivity exponentially.

Complex network analysis used to be done by hand or with non-programmable network analysis tools, but not anymore! You can now automate and program these tasks in Python. Complex networks are collections of connected items, words, concepts, or people. By exploring their structure and individual elements, we can learn about their meaning, evolution, and resilience.

Starting with simple networks, convert real-life and synthetic network graphs into networkx data structures. Look at more sophisticated networks and learn more powerful machinery to handle centrality calculation, blockmodeling, and clique and community detection. Get familiar with presentation-quality network visualization tools, both programmable and interactive–such as Gephi, a CNA explorer. Adapt the patterns from the case studies to your problems. Explore big networks with NetworKit, a high-performance networkx substitute. Each part in the book gives you an overview of a class of networks, includes a practical study of networkx functions and techniques, and concludes with case studies from various fields, including social networking, anthropology, marketing, and sports analytics.

Combine your CNA and Python programming skills to become a better network analyst, a more accomplished data scientist, and a more versatile programmer.

What You Need:

You will need a Python 3.x installation with the following additional modules: Pandas (>=0.18), NumPy (>=1.10), matplotlib (>=1.5), networkx (>=1.11), python-louvain (>=0.5), NetworKit (>=3.6), and generalizesimilarity. We recommend using the Anaconda distribution that comes with all these modules, except for python-louvain, NetworKit, and generalizedsimilarity, and works on all major modern operating systems.