دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: Programming: Libraries API ویرایش: 1 نویسندگان: Edward L. Platt سری: ISBN (شابک) : 1789955319, 9781789955316 ناشر: Packt Publishing سال نشر: 2019 تعداد صفحات: 181 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 18 مگابایت
کلمات کلیدی مربوط به کتاب علوم شبکه با راهنمای شروع سریع Python و NetworkX: داده های شبکه را به طور موثر کاوش و تجسم کنید: پایتون، نمودارها، تجسم داده ها، شبکه های اجتماعی، NetworkX، شبکه ها، شبیه سازی
در صورت تبدیل فایل کتاب Network Science with Python and NetworkX Quick Start Guide: Explore and visualize network data effectively به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب علوم شبکه با راهنمای شروع سریع Python و NetworkX: داده های شبکه را به طور موثر کاوش و تجسم کنید نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
دستکاری و تجزیه و تحلیل داده های شبکه با قدرت Python و NetworkX ویژگی های کلیدی • اصطلاحات و مفاهیم اولیه علم شبکه را درک کنید • از قدرت پایتون و NetworkX برای نمایش داده ها به عنوان یک شبکه استفاده کنید • تکنیک های متداول را برای کار با داده های شبکه با اندازه های مختلف به کار ببرید توضیحات کتاب NetworkX یک بسته منبع باز و رایگان پیشرو است که برای علوم شبکه با زبان برنامه نویسی پایتون استفاده می شود. NetworkX میتواند ویژگیهای افراد و روابط را ردیابی کند، جوامع را بیابد، انعطافپذیری را تجزیه و تحلیل کند، مکانهای کلیدی شبکه را شناسایی کند و طیف گستردهای از وظایف مهم را انجام دهد. با انتشار اخیر نسخه 2، NetworkX به روز رسانی شده است تا قدرتمندتر و استفاده آسان تر باشد. اگر دانشمند داده، مهندس یا دانشمند علوم اجتماعی محاسباتی هستید، این کتاب شما را در استفاده از زبان برنامه نویسی پایتون برای به دست آوردن بینش در مورد شبکه های دنیای واقعی راهنمایی می کند. با شروع با اصول، شما با مفاهیم اصلی علم شبکه همراه با مثال هایی که از داده های دنیای واقعی و کد پایتون استفاده می کنند، آشنا خواهید شد. این کتاب شما را با مفاهیم نظری مانند شبکه های بدون مقیاس و جهان کوچک، معیارهای مرکزیت و مدل سازی مبتنی بر عامل آشنا می کند. همچنین میتوانید شبکههای بدون مقیاس را در دادههای واقعی جستجو کنید و یک شبکه را با استفاده از طرحبندیهای دایرهای، جهتدار و پوستهای تجسم کنید. در پایان این کتاب، میتوانید نمایشهای شبکه مناسبی را انتخاب کنید، از NetworkX برای ساختن و مشخصسازی شبکهها استفاده کنید، و در حین کار با سیستمهای دنیای واقعی، بینشهایی را کشف کنید. آنچه خواهید آموخت • از Python و NetworkX برای تجزیه و تحلیل خصوصیات افراد و روابط استفاده کنید • کدگذاری داده ها در گره ها و لبه های شبکه با استفاده از NetworkX • داده ها را در گره ها و لبه های شبکه دستکاری، ذخیره و خلاصه کنید • یک شبکه را با استفاده از چیدمان های دایره ای، جهت دار و پوسته ای تجسم کنید • بیابید که چگونه شبیه سازی رفتار در شبکه ها می تواند بینش هایی را در مورد مشکلات دنیای واقعی ارائه دهد • تأثیر مداوم علم شبکه بر جامعه و ملاحظات اخلاقی آن را درک کنید این کتاب برای چه کسی است اگر شما یک برنامه نویس یا دانشمند داده هستید که می خواهید داده های شبکه را در پایتون دستکاری و تجزیه و تحلیل کنید، این کتاب برای شما عالی است. اگرچه دانش قبلی از علم شبکه ضروری نیست، اما برخی از تجربه های برنامه نویسی پایتون به شما کمک می کند تا مفاهیم مطرح شده در کتاب را به راحتی درک کنید.
Manipulate and analyze network data with the power of Python and NetworkX Key Features • Understand the terminology and basic concepts of network science • Leverage the power of Python and NetworkX to represent data as a network • Apply common techniques for working with network data of varying sizes Book Description NetworkX is a leading free and open source package used for network science with the Python programming language. NetworkX can track properties of individuals and relationships, find communities, analyze resilience, detect key network locations, and perform a wide range of important tasks. With the recent release of version 2, NetworkX has been updated to be more powerful and easy to use. If you're a data scientist, engineer, or computational social scientist, this book will guide you in using the Python programming language to gain insights into real-world networks. Starting with the fundamentals, you'll be introduced to the core concepts of network science, along with examples that use real-world data and Python code. This book will introduce you to theoretical concepts such as scale-free and small-world networks, centrality measures, and agent-based modeling. You'll also be able to look for scale-free networks in real data and visualize a network using circular, directed, and shell layouts. By the end of this book, you'll be able to choose appropriate network representations, use NetworkX to build and characterize networks, and uncover insights while working with real-world systems. What you will learn • Use Python and NetworkX to analyze the properties of individuals and relationships • Encode data in network nodes and edges using NetworkX • Manipulate, store, and summarize data in network nodes and edges • Visualize a network using circular, directed and shell layouts • Find out how simulating behavior on networks can give insights into real-world problems • Understand the ongoing impact of network science on society, and its ethical considerations Who this book is for If you are a programmer or data scientist who wants to manipulate and analyze network data in Python, this book is perfect for you. Although prior knowledge of network science is not necessary, some Python programming experience will help you understand the concepts covered in the book easily.
1. What is a Network? 2. Working with Networks in NetworkX 3. From Data to Networks 4. Affiliation Networks 5. The Small Scale - Nodes and Centrality 6. The Big Picture - Describing Networks 7. In-Between - Communities 8. Social Networks and Going Viral 9. Simulation and Analysis 10. Networks in Space and Time 11. Visualization 12. Conclusion