Scikit-network-01：安装与体验

Scikit-network

scikit-network是用于大型图的Python包，与scikit-learn类似。具有以下性质：

• scipy格式的稀疏矩阵表示
• 快速的相关算法
• 简单的API
• 免费: BSD license

项目和文档地址：

• GitHub: https://github.com/sknetwork-team/scikit-network

• Documentation: https://scikit-network.readthedocs.io

安装

• pip安装

  pip install scikit-network
  

• 源码安装

  wget https://github.com/sknetwork-team/scikit-network
  cd <scikit-network folder>
  python setup.py develop

载图

图由其邻接矩阵（adjacency ，平方矩阵）表示。当该图是双方时，它可以用双向邻接矩阵表示（biadjacency ，矩形矩阵）表示。

• adjacency： 正方形矩阵的条目表示图的节点之间的边缘，通常由A表示。
• biadjacency： 矩形矩阵的条目表示二分图的节点之间的边缘，通常用B表示。

载图支持的方式多种多样，有以下几种：

• 边集
• cvs文件
• numpy array
• 邻接矩阵
• dataframe
• GraphML
• NetworkX
• 其它

这里以边集为例：

from IPython.display import SVG

import numpy as np
from scipy import sparse
import pandas as pd

from sknetwork.data import from_edge_list, from_adjacency_list, from_graphml, from_csv
from sknetwork.visualization import svg_graph, svg_bigraph

edge_list = [(0, 1), (1, 2), (2, 3), (3, 0), (0, 2)]
adjacency = from_edge_list(edge_list)

image = svg_graph(adjacency)
SVG(image)

图分析

每种算法都表示为具有拟合方法(fit)的对象。

这里将空手道俱乐部图数据与Louvain算法进行聚类展示：

from sknetwork.data import karate_club
from sknetwork.clustering import Louvain

adjacency = karate_club()
image = svg_graph(adjacency)
SVG(image)

algo = Louvain()
algo.fit(adjacency)
labels = algo.labels_

array([0, 0, 0, 0, 3, 3, 3, 0, 1, 0, 3, 0, 0, 0, 1, 1, 3, 0, 1, 0, 1, 0,
       1, 2, 2, 2, 1, 2, 2, 1, 1, 2, 1, 1])

可以看到，将其聚类为4类。

参考

• https://scikit-network.readthedocs.io/en/latest/first_steps.html