【打卡】Coggle 2月竞赛学习：图分析与图嵌入

背景介绍：

图（Graphs）是一种对物体（objects）和他们之间的关系（relationships）建模的数据结构，物体以结点（nodes）表示，关系以边（edges）表示。图是复杂系统中常用的信息载体，可以表示现实中许多复杂关系，如社交网络、犯罪网络、交通网络等。

环境配置：

实践环境建议以Python3.7+，且需要安装如下库：

• numpy
• pandas
• networkx
• igraph
• gensim

学习打卡

任务名称	难度
任务1：图属性与图构造	低、1
任务2：图查询与遍历	低、2
任务3：节点中心性与应用	中、2
任务4：图节点嵌入算法（DeepWalk/node2vec）	高、3
任务5：图节点嵌入算法：LINE/SDNE	高、3
任务6：图节点嵌入算法：GraphGAN	高、3

任务1：图属性与图构造

步骤1：导入networkx

import pandas as pd
import networkx as nx # 导入networkx

步骤2：加载Wiki数据集，包含来自 19 个类别的 2405 个文档和它们之间的 17981个边。

# 加载Wiki数据集
# 两列，分别为节点id，节点类别
group = pd.read_csv('http://mirror.coggle.club/dataset/graph-wiki/group.txt.zip', sep='\t', header=None)
# 两列，分别为出发节点id，目的节点id
graph = pd.read_csv('http://mirror.coggle.club/dataset/graph-wiki/graph.txt.zip', sep='\t', header=None)
print(group)
print(graph)

步骤3：使用networkx构造上述有向图

# 构造图
G = nx.DiGraph()
G.add_nodes_from(group[0].values)
G.add_edges_from(graph.values)

任务2：图查询与遍历

步骤1：使用networkx对Wiki数据集进行如下统计
节点个数、边个数

print("Number of Nodes:", G.number_of_nodes())
print("Number of Edges:", G.number_of_edges())

节点平均入度、出读
存在指向自身节点的个数
步骤2：对节点1397的深度5内进行深度和广度遍历
步骤3：判断节点1573与节点1397之间是否存在联通性