DeepGraph 0.2.2

主要特点

此网络包专门针对 Pandas用户。利用大熊猫的一个主要的 数据结构 DataFrame， 我们用一组表来表示图的（超级）节点，并且 由另一组表组成的成对关系（即图的（超）边）。 deepgraph的主要功能是

• Create edges： 方法，但是 节点间成对关系（边）的矢量化计算 节点属性上的任意用户定义函数。方法 提供参数以并行化计算和控制内存消耗， 使它们适合于非常大的数据集，并可调整为 你手头的硬件（从上网本到集群架构）。
• Partition nodes, edges or a graph： 方法来划分节点， 边或图形的属性和标签，启用 信息的聚合、计算和分配 节点的任意组。这些方法还可以让您 详细查询包含在深度图中的信息。
• Interfaces to other packages： 转换为公共的方法 流行python网络包的网络表示和图形对象 （例如，scipy稀疏矩阵、networkx图、图形工具图）。
• Plotting： 许多有用的网络绘图方法， 包括地理地图投影图。

快速启动

deepgraph可以通过pip从 PyPI

$ pip install deepgraph

或者如果你用的是Conda， 使用安装

$ conda install -c conda-forge deepgraph

然后，导入并开始使用：

>>> import deepgraph as dg
>>> help(dg)

文件

官方文件存放在这里： http://deepgraph.readthedocs.io

文档为学习如何 使用图书馆。随着时间的推移，预计这些文档将继续扩展。

发展

到目前为止，这个软件包是我自己开发的，我希望 变化很大。所以如果你想以任何方式做出贡献， 表格，请随时与我联系，报告错误，创建请求， 里程碑等。您可以通过电子邮件联系我：dominik.traxl@posteo.org

错误报告

要搜索或报告错误，请使用错误跟踪器： https://github.com/deepgraph/deepgraph/issues

引用deepgraph

请确认并引用本软件及其作者的使用 结果用于出版物或在其他地方发布。你可以使用 在bibtex条目之后

@Article{traxl-2016-deep,
    author      = {Dominik Traxl AND Niklas Boers AND J\"urgen Kurths},
    title       = {Deep Graphs - A general framework to represent and analyze
                   heterogeneous complex systems across scales},
    journal     = {Chaos},
    year        = {2016},
    volume      = {26},
    number      = {6},
    eid         = {065303},
    doi         = {http://dx.doi.org/10.1063/1.4952963},
    eprinttype  = {arxiv},
    eprintclass = {physics.data-an, cs.SI, physics.ao-ph, physics.soc-ph},
    eprint      = {http://arxiv.org/abs/1604.00971v1},
    version     = {1},
    date        = {2016-04-04},
    url         = {http://arxiv.org/abs/1604.00971v1}
}

许可证

与aBSD license一起分布：

Copyright (C) 2017 DeepGraph Developers
Dominik Traxl <dominik.traxl@posteo.org>