در این مطلب، ویدئو تجزیه و تحلیل شبکه با پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:13:37
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:05,160 –> 00:00:07,810
در این ویدیو دوباره خوش آمدید، ما
2
00:00:07,810 –> 00:00:09,879
با همان مجموعه داده های شبکه
3
00:00:09,879 –> 00:00:11,770
ای که در ویدیوی گتی به شما نشان دادم کار می کنیم،
4
00:00:11,770 –> 00:00:13,540
اما این بار می خواهیم
5
00:00:13,540 –> 00:00:17,230
آن را در پایتون تجزیه و تحلیل کنیم تا این کار را انجام دهیم، من
6
00:00:17,230 –> 00:00:19,270
یک فایل پایتون را راه اندازی کردم. من فقط
7
00:00:19,270 –> 00:00:22,480
شبکه را سرگرم کننده py می نامم و باید
8
00:00:22,480 –> 00:00:24,099
کتابخانه ای را وارد کنم که قرار است از آن برای تجزیه و تحلیل
9
00:00:24,099 –> 00:00:29,739
مجموعه داده های شبکه استفاده کنم و آن
10
00:00:29,739 –> 00:00:33,700
کتابخانه Network X است.
11
00:00:33,700 –> 00:00:35,290
12
00:00:35,290 –> 00:00:38,230
شبکه
13
00:00:38,230 –> 00:00:40,840
اکنون در واقع ویژگیهای بسیار بیشتری
14
00:00:40,840 –> 00:00:42,790
نسبت به جفی دارد و به ما امکان میدهد
15
00:00:42,790 –> 00:00:45,720
با مجموعه دادههای بسیار پیچیده کار کنیم،
16
00:00:45,720 –> 00:00:48,040
یکی دیگر از گزینههای خوب
17
00:00:48,040 –> 00:00:51,040
پروژه تجزیه و تحلیل شبکه استنفورد است که
18
00:00:51,040 –> 00:00:53,050
یک پیادهسازی پایتون نیز دارد که میتوانید
19
00:00:53,050 –> 00:00:55,829
برای کار با شبکههای بسیار پیچیده
20
00:00:55,829 –> 00:00:58,329
در لحظه استفاده کنید. به شبکه
21
00:00:58,329 –> 00:01:00,610
X میپیوندیم و ما فقط نحوه انجام این کار را توضیح میدهیم،
22
00:01:00,610 –> 00:01:02,739
بنابراین اولین قدم این است که واقعاً
23
00:01:02,739 –> 00:01:05,710
این دادهها را بارگیری کنیم تا بتوانم آنها را تجزیه و تحلیل
24
00:01:05,710 –> 00:01:07,119
کنم تا این
25
00:01:07,119 –> 00:01:09,040
کار را انجام دهم. می دانم که
26
00:01:09,040 –> 00:01:14,020
دارم دو فایل من گرههایم TSV دارم و
27
00:01:14,020 –> 00:01:17,710
لبههایم TSV دارم حالا توجه داشته باشید که
28
00:01:17,710 –> 00:01:20,080
این دو صفحهگسترده برای ورودی به Gaffey قالببندی شدهاند.
29
00:01:20,080 –> 00:01:22,570
30
00:01:22,570 –> 00:01:25,479
31
00:01:25,479 –> 00:01:27,549
32
00:01:27,549 –> 00:01:30,670
اکنون اطلاعات اضافی شبکه X
33
00:01:30,670 –> 00:01:33,310
انتظار فرمت خاصی را ندارد، بنابراین بسیار
34
00:01:33,310 –> 00:01:35,920
انعطاف پذیرتر از جفی است، بنابراین کاری که می
35
00:01:35,920 –> 00:01:37,540
خواهم انجام دهم این است که فقط یک
36
00:01:37,540 –> 00:01:39,430
تابع کمکی کوچک بنویسم که در
37
00:01:39,430 –> 00:01:42,159
این صفحه گسترده بارگذاری می شود، البته پایتون
38
00:01:42,159 –> 00:01:45,430
بستههای زیادی دارد که در csv و TSV بارگیری میشوند،
39
00:01:45,430 –> 00:01:46,960
40
00:01:46,960 –> 00:01:48,250
اما من فقط میخواهم
41
00:01:48,250 –> 00:01:50,380
چیزی بنویسم، بنابراین فقط میخواهم چیزی
42
00:01:50,380 –> 00:01:54,159
مانند def get data را بگویم و
43
00:01:54,159 –> 00:01:59,500
نام فایل را به عنوان پارامتر در نظر بگیرم و میروم.
44
00:01:59,500 –> 00:02:02,530
به جلو و اضافه کردن یک تابع کمکی کامنت
45
00:02:02,530 –> 00:02:07,810
برای بارگیری داده ها از فایل، اکنون
46
00:02:07,810 –> 00:02:09,610
با مدیریت زمینه شروع می کنم، بنابراین می
47
00:02:09,610 –> 00:02:11,739
گویم با نام فایل باز، آن را می خوانم
48
00:02:11,739 –> 00:02:15,269
، رمزگذاری utf-8
49
00:02:15,569 –> 00:02:18,930
به صورت RF است و سپس می روم همانطور که در برخی ویدیوهای دیگر اشاره کردم، اگر بگوییم شیرها برابر است با
50
00:02:18,930 –> 00:02:23,159
RF نقطه سبز در خط جدید تقسیم می شود
51
00:02:23,159 –> 00:02:25,650
من
52
00:02:25,650 –> 00:02:27,390
دوست دارم این کار را به جای استفاده از خطوط قرمز انجام دهم،
53
00:02:27,390 –> 00:02:29,610
زیرا این کار باعث می شود که
54
00:02:29,610 –> 00:02:32,849
من آن کاراکتر انتهایی اسلش را در
55
00:02:32,849 –> 00:02:37,200
هر خط
56
00:02:37,200 –> 00:02:38,970
نداشته باشم.
57
00:02:38,970 –> 00:02:40,650
58
00:02:40,650 –> 00:02:42,390
در این صفحهگستردهها، بنابراین
59
00:02:42,390 –> 00:02:44,849
این برگهها، من میروم و
60
00:02:44,849 –> 00:02:47,909
فهرست خود را به فهرستی از فهرستها تقسیم میکنم که
61
00:02:47,909 –> 00:02:49,769
هر مورد در آن فهرستها یک قطعه
62
00:02:49,769 –> 00:02:53,190
داده است، بنابراین من فقط میگویم دادهها برابر است با
63
00:02:53,190 –> 00:02:56,250
برگه تقسیم خط تا هر خط در امتداد تقسیم شود.
64
00:02:56,250 –> 00:03:00,420
اکنون آن برگههای خط در خطوط به
65
00:03:00,420 –> 00:03:04,349
اندازه کافی ساده هستند، من همچنین میدانم که سرصفحه
66
00:03:04,349 –> 00:03:05,879
من اولین مورد در این لیست خواهد بود
67
00:03:05,879 –> 00:03:10,019
و دادهها باید از شر آن خط اول خلاص شوند،
68
00:03:10,019 –> 00:03:12,480
بنابراین من فقط میخواهم این
69
00:03:12,480 –> 00:03:14,700
لیست را تقسیم کنم و در واقع اکنون همین است. فقط
70
00:03:14,700 –> 00:03:18,510
میخواهم هدر و دادههایم را برگردانیم،
71
00:03:18,510 –> 00:03:19,949
حالا قرار نیست از این
72
00:03:19,949 –> 00:03:21,900
هدر برای هیچ چیز استفاده کنیم، اما در برخی موارد
73
00:03:21,900 –> 00:03:24,540
ممکن است، بنابراین من میروم و آن
74
00:03:24,540 –> 00:03:26,430
را طوری تنظیم میکنم که این کار را انجام دهد تا حالا که تابع کمکی خود را دارم
75
00:03:26,430 –> 00:03:28,290
نوشته شده من می توانم در داده های خود بارگذاری کنم،
76
00:03:28,290 –> 00:03:31,440
بنابراین من به سادگی می گویم هدر گره
77
00:03:31,440 –> 00:03:36,269
و من دادههای گره من فقط میخواهم برابر
78
00:03:36,269 –> 00:03:42,510
دریافت گرههای داده CSV، بنابراین این کار ادامه مییابد
79
00:03:42,510 –> 00:03:45,329
و در اطلاعات من بارگذاری میشود و آن
80
00:03:45,329 –> 00:03:48,959
را در این متغیرها ذخیره میکند، من این کار را برای یالهایم نیز انجام
81
00:03:48,959 –> 00:03:51,810
میدهم تا سرصفحه لبه و
82
00:03:51,810 –> 00:03:58,590
دادههای لبه برابر، لبههای داده را دریافت کنند. CSV
83
00:03:58,590 –> 00:04:00,840
و اکنون که من این اطلاعات را
84
00:04:00,840 –> 00:04:03,530
در پایتون دارم می توانم ادامه دهم و از آن استفاده کنم،
85
00:04:03,530 –> 00:04:07,109
بنابراین بیایید در مورد شبکه X صحبت کنیم اولین
86
00:04:07,109 –> 00:04:08,790
کاری که می خواهم انجام دهم این است که اکنون می خواهم یک
87
00:04:08,790 –> 00:04:13,199
شی گراف ایجاد کنم اگر به آموزش آنها نگاه کنید،
88
00:04:13,199 –> 00:04:15,060
آنها راهی دارند که آنها دوست
89
00:04:15,060 –> 00:04:18,180
دارند این کار را با G بزرگ برابر با شبکه X
90
00:04:18,180 –> 00:04:22,409
نقطه نفس انجام دهند، دقیقاً مانند این
91
00:04:22,409 –> 00:04:23,940
یک شی گراف ایجاد می کند که می توانیم
92
00:04:23,940 –> 00:04:26,550
گره ها و یال ها را به آن اضافه کنیم، بنابراین
93
00:04:26,550 –> 00:04:28,229
وقتی با شبکه X کار می کنید استاندارد
94
00:04:28,229 –> 00:04:29,160
آن را به عنوان X وارد کنید
95
00:04:29,160 –> 00:04:31,260
. توصیه کنید، بنابراین من این
96
00:04:31,260 –> 00:04:33,450
کار را انجام می دهم و مطمئن می شوم که این را
97
00:04:33,450 –> 00:04:37,590
به نمودار نقطه ای NX تغییر می دهم و آن را ذخیره می کنم، بنابراین
98
00:04:37,590 –> 00:04:39,300
اکنون یک شی گراف دارم که آماده
99
00:04:39,300 –> 00:04:42,120
بارگذاری نمودارم در آن هستم، بنابراین می خواهم
100
00:04:42,120 –> 00:04:43,710
چند مورد را اضافه کنم. خیلی سریع نظر می دهد، بنابراین
101
00:04:43,710 –> 00:04:45,300
کاملاً واضح است که در همه خطوط چه اتفاقی می افتد،
102
00:04:45,300 –> 00:04:48,950
پس من را تحمل کنید
103
00:04:53,570 –> 00:04:56,640
بنابراین اکنون برای بارگیری در دادهها، در واقع
104
00:04:56,640 –> 00:04:58,740
بسیار ساده است، من میخواهم از
105
00:04:58,740 –> 00:05:01,770
طریق دادههای گره خود تکرار کنم و آنها را یکی یکی به این نمودار اضافه کنم،
106
00:05:01,770 –> 00:05:06,060
اکنون Network X
107
00:05:06,060 –> 00:05:08,970
تابعی دارد که به شما امکان میدهد با استفاده از یک
108
00:05:08,970 –> 00:05:11,910
لیست وارد کنید، اما پارامترهای جداگانه را
109
00:05:11,910 –> 00:05:13,620
در هر کدام تنظیم کنید.
110
00:05:13,620 –> 00:05:15,180
وقتی این کار را انجام میدهید، نود کمی سخت است، بنابراین من فقط میخواهم
111
00:05:15,180 –> 00:05:18,720
آن را یکی یکی انجام دهم، بنابراین میگویم برای گره در
112
00:05:18,720 –> 00:05:24,800
دادههای گره انجام میشود که به سادگی میگویم G اضافه کردن
113
00:05:24,800 –> 00:05:29,040
گره و اولین کاری که میخواهم انجام دهم.
114
00:05:29,040 –> 00:05:31,970
من میخواهم به آن شناسهای بدهم که در گره
115
00:05:31,970 –> 00:05:34,890
0 است، زیرا اگر به عقب برگردیم و به گرههای خود در
116
00:05:34,890 –> 00:05:36,750
اینجا نگاه کنیم، میبینیم که اولین
117
00:05:36,750 –> 00:05:39,750
ستون شناسه گره ما است و من
118
00:05:39,750 –> 00:05:41,190
میروم و این را به عنوان یک عدد صحیح در نظر میگیرم،
119
00:05:41,190 –> 00:05:43,470
زیرا وقتی من آن را در
120
00:05:43,470 –> 00:05:46,440
یک رشته بارگذاری میکنم، مجبور نیستم این کار را انجام دهم، اما
121
00:05:46,440 –> 00:05:48,330
فقط به خاطر یکنواختی
122
00:05:48,330 –> 00:05:50,520
میخواهم انجام دهم و سپس کاری که میخواهم انجام دهم این است که
123
00:05:50,520 –> 00:05:52,260
در واقع میخواهم
124
00:05:52,260 –> 00:05:54,240
اطلاعات تکمیلی را اضافه کنم، بنابراین میخواهم مطمئن شوم که
125
00:05:54,240 –> 00:05:56,340
من نام را دنبال می کنم و این
126
00:05:56,340 –> 00:05:59,970
در گره 1 خواهد بود زیرا ما
127
00:05:59,970 –> 00:06:02,820
در اینجا قانون chunji نامگذاری کرده ایم.
128
00:06:02,820 –> 00:06:04,890
d در نام چینی و ایندکس در اینجا فقط
129
00:06:04,890 –> 00:06:08,160
به منظور نمایش است، بنابراین من
130
00:06:08,160 –> 00:06:12,360
می گویم نام C برابر با گره 2 است و سپس می
131
00:06:12,360 –> 00:06:14,550
گویم سال شاخص که سالی است که
132
00:06:14,550 –> 00:06:16,710
پایگاه داده بیوگرافی چین
133
00:06:16,710 –> 00:06:19,740
افراد را بر اساس سال شاخص سازماندهی می کند.
134
00:06:19,740 –> 00:06:22,590
برابر با گره 3 است و البته
135
00:06:22,590 –> 00:06:25,080
چون یک سال است که این را به عنوان
136
00:06:25,080 –> 00:06:28,380
یک عدد صحیح در نظر میگیرم، بقیه را
137
00:06:28,380 –> 00:06:30,000
فقط به خاطر اختصار در این
138
00:06:30,000 –> 00:06:32,430
ویدیو اضافه نمیکنم، بنابراین کاری که انجام میدهد این است
139
0