Commit 41ffd2a3 authored by Ednomesor's avatar Ednomesor

MAJ Quanti

parent 86ef6c24
This diff is collapsed.
Source_id,Source,Target_id,Target,Weight
source_id,source,target_id,target,weight
23,Daenerys,1,Aegon,8
47,Jon,2,Aemon,30
84,Robert,2,Aemon,4
......
Id,Nom,Sexe,Maison,Maison_code
id,nom,sexe,maison,maison_code
1,Aegon,m,targaryen,TARG
2,Aemon,m,targaryen,TARG
3,Aerys,m,targaryen,TARG
......
#Quantilille
# Séance : Initiation à l'analyse de réseau
# Date : 27 juin 2017
#Ecole thématique Nice - GDR ARSHS
# Séance : Mesures et représentations - créer un graphe dans R
# Date : 4 juillet 2017
# Auteur : Rosemonde Letricot
# Première manipulation de réseaux créés soi-même avec R
......@@ -8,9 +8,9 @@
rm(list=ls())
#Je configure mon chemin de fichier
setwd("~/Bureau/Formation/Nice_GDR/nice1/script_R/")
setwd("~/Documents/framagit/cours_SNA/script_R/")
# Commandes issues de kateto.net
#Je charge mon package
library(igraph)
#Je crée un graph simple à trois sommets, non orienté
......@@ -18,15 +18,21 @@ g1 <- graph(edges=c(1,2, 2,3, 3,1), n=3, directed=FALSE )
#Voir mon graphe
plot(g1)
#J'augmente le nombre de sommets, avec un graphe orienté
g2 <- graph(edges=c(1,2, 1,2, 2,3, 3,4, 3,1, 4,2, 4,1), n=8, directed=TRUE)
#Je crée un graphe orienté à 8 sommets
g2 <- graph(edges=c(1,1, 1,2, 1,2, 2,3, 3,4, 3,1, 4,2, 4,1), n=8, directed=TRUE)
#Voir mon graphe
plot(g2)
#Est-ce un graphe simple (voir def dans le document de vocabulaire)
is_simple(g2)
#Enlever les doublons
g2<-simplify(g2)
plot(g2)
#Est-ce un graphe simple maintenant ?
is_simple(g2)
#Au lieu d'avoir des numéros je peux avoir des noms
#Pour cela j'utilise un objet R appelé facteur
g3 <- graph( c("Pierre", "Paul", "Paul", "Anne", "Anne", "Pierre"))
......@@ -38,11 +44,11 @@ g3bis <-graph_from_literal(Pierre-Paul-Anne-Pierre)
plot(g3bis)
#Je peux ajouter des isolats quand le graphe comporte des noms - créer des isolats
#Je peux spécifier si certains noeuds sont isolés
g4 <- graph( c("Pierre","Paul" , "Paul","Eric" , "Pierre","Eric" , "Paul","Marc" , "Marc","Eric" , "Marc","Pierre"), isolates=c("Anne", "Greta", "Gabrielle", "Emilie"), directed = TRUE )
plot(g4)
#Voir et custumiser mon graphe
#Créer une visualisation et la personnaliser
plot(g4, edge.arrow.size=0.5,
vertex.color="gold",
vertex.size=15,
......@@ -76,4 +82,3 @@ plot(g4,
vertex.label.dist=1.0,
vertex.color=c( "pink", "skyblue")[1+(V(g4)$genre=="homme")] )
#Cliques
---
title: "Terminologie - Réseau"
title: "Vocabulaire - Réseau"
subtitle: "Quantilille"
author: "R. Letricot"
date: "18 mai 2017"
date:
output: pdf_document
---
......@@ -9,33 +10,101 @@ output: pdf_document
knitr::opts_chunk$set(echo = TRUE)
```
## Réseau
Notion polysémique qui revêt de nombreuses conceptions et réalités.
## Chemin (chaîne)
Un chemin dans le graphe est une suite de sommets reliés par un lien.
La **longueur d'un chemin** se calcule par le nombre de liens qui compose le chemin entre deux noeuds définis.
Réseau matériel : installation technique, infrastructure connectée (réseau d'électricité, réseau informatique)
Réseau immatériel : qui représente un ensemble de relations ou d'intéractions entre des individus ou des entités (réseau social, décisionnel, d'information, réseaux lexicaux, etc.)
## Cliques
Les cliques sont des sous-graphes maximaux complets.
## Composante connexe
## Graphe
Un graphe est un mode de formalisation d'un réseau fait de points et de lignes.
Un graphe est formé d'un ensemble de noeuds (sommets, acteurs) reliés par des liens (arcs, arêtes).
Deux noeuds sont dits adjacents quand ils sont reliés par un lien.
L'**ordre** d'un graphe est le nombre de ses noeuds
Un graphe est dit **complet** si tous les liens possibles entre les noeuds sont présents. Sa densité est alors égale à 1.
Un graphe est dit **connexe** si tous les noeuds peuvent être atteignables, qu'il n'y a pas de noeuds isolés.
Un graphe est dit **simple** s'il ne contient ni boucle entre un même sommet, ni de liens multiples.
L'analyse de réseau est une méthodologie, issue des mathématiques et des statistiques, permettant l'analyse de la structure et des dynamiques du réseau. Il n'est pas nécessaire de produire des visualisations en analyse de réseau. Souvent les métriques sont plus éloquentes qu'une représentation, surtout pour les grands graphes. C'est pourquoi, il est nécessaire de connaître le vocabulaire associé.
Un graphe est dit **complexe** si son évolution fait émerger des propriétés non prévues au départ. Il peut être de type *petit monde* ou *scale free*.
## Noeuds
Un graphe est dit **bipartite** ou **2-mode** lorsqu'il se compose de deux ensembles de noeuds de nature différentes (acteur et événement reliés par un lien indiquant la présence par ex.)
## Liens
Un lien (arête, arc) entre deux noeuds d'un graphe indique une relation entre ces noeuds.
Quand un lien est **orienté** la relation n'est pas nécessairement symétrique, elle peut être dans un sens, dans l'autre ou les deux.
Quand un lien est **non orienté** la relation est réciproque.
Un lien reliant un même sommet est une **boucle**.
Plusieurs liens de différentes natures entre deux sommets produit un **multigraphe**.
Un lien peut avoir des attributs (intensité) on dit alors que le graphe est *$valué$* (*weighted*).
Un lien peut être un **isthme**, c'est-à-dire un passage obligé. Supprimer un isthme augmente le nombre de **composantes connexes** dans le réseau.
## Logiciel
L'analyse de réseau est une méthode transdisciplinaire, utilisée dans de nombreuses disciplines, en sciences dures comme en sciences humaines. Elle s'appuie sur l'utilisation de logiciels pour obtenir ces fameuses métriques mais aussi pour obtenir des visualisations de réseau qui viendront illustrer un argumentaire autour d'une question de recherche. Il existe de nombreux logiciels (nodegoat, nodeXL, Gephi, Pajek, R) avec une courbe d'apprentissage plus ou moins raide. L'avantage de R sur les autres est qu'il vous permettra, en plus de l'analyse et la visualisation des graphes, de travailler vos fichiers de données (modifications structurelles, calculs d'indicateurs, etc.). Qu'importe le logiciel, il est préférable de connaître les fonctionnalités employées pour éviter l'effet "boîte noire".
L'analyse de réseau est une méthode transdisciplinaire, utilisée dans de nombreuses disciplines, en sciences dures comme en sciences humaines. Elle s'appuie sur l'utilisation de logiciels. Si les calculs sont faisables à la main pour les petits graphes, ça devient vite compliqué pour les réseaux plus importants. Les logiciels proposent aussi des fonctionnalités de visualisations intéressantes. Il existe de nombreux logiciels (nodegoat, nodeXL, Gephi, Pajek, R) avec une courbe d'apprentissage plus ou moins raide. L'avantage de R par rapport aux autres est qu'il vous permettra, en plus de l'analyse et de la visualisation des graphes, de travailler vos données (modifications structurelles, calculs d'indicateurs, etc.). Qu'importe le logiciel, il est généralement préférable de connaître les fonctionnalités employées pour éviter l'effet "boîte noire".
## Matrice
Tableau en ligne et en colonne contenant la présence ou l'absence de relation entre les sommets d'un graphe.
En ligne on note l'origine, et en colonne la destination. Les cellules représentent les liens.
Une **matrice d'adjacence** est faite de 0 et de 1 (absence / présence de la relation).
Une **matrice de flux** est faite de valeurs quantifiées à l'endroit de la relation entre deux sommets.
```{r cars}
summary(cars)
```
## Mesures
## Including Plots
### Densité d'un graphe
Nombre de liens présents sur nombre de liens possibles. Si la densité est égale à 1, le graphe est **complet**.
You can also embed plots, for example:
### Diamètre d'un graphe
Le diamètre d'un graphe correspond à la plus longue distance possible entre deux sommets.
### Degré de centralité
Nombres de liens adjacents pour chaque sommet (si le graphe est orienté on peut calculer le degré entrant ou sortant pour chaque sommet)
### Centralité d'intermédiarité (*Betweenness*)
Nombre de fois que le sommet est sur le plus court chemin entre deux noeuds quelconques du graphe.
### Centralité de proximité (*Closeness*)
Distance moyenne entre un sommet et tous les autres.
### Centralité en vecteur propre (*Eigenvector*)
Relatif à l'influence sur le réseau.
## Noeuds (sommets, acteurs)
Les noeuds ou sommets d'un réseau sont les extremités des liens.
Le **degré** d'un sommet est le nombre de liens adjacents à ce sommet.
Dans un graphe orienté, on distingue l'émetteur du destinataire.
Un sommet **isolé** ne possède aucun lien adjacent.
Deux sommets reliés par un lien sont voisins d'ordre 1. S'ils sont reliés par un chemin d'une distance de deux liens, ils sont voisins d'ordre 2, et ainsi de suite...
Un noeud est un **point d'articulation** si ça suppression augmente le nombre de composantes connexes.
## Petit monde
Un graphe complexe est de type **petit monde** si c'est un réseau connexe dont la distance moyenne est faible et son clustering local élevé. C'est-à-dire que les noeuds sont très connectés aux voisins immédiats.
## Réseau
Le réseau est une notion polysémique qui revêt de nombreuses conceptions et réalités.
Réseau matériel : installation technique, infrastructure connectée (réseau d'électricité, réseau informatique)
Réseau immatériel : qui représente un ensemble de relations ou d'intéractions entre des individus ou des entités (réseau social, décisionnel, d'information, réseaux lexicaux, etc.)
L'analyse de réseau est une méthodologie, issue des mathématiques et des statistiques, permettant l'analyse de la structure et des dynamiques du réseau. On représente les réseaux sous forme de graphe composé de sommets et d'arêtes. Il n'est pas nécessaire de produire des visualisations en analyse de réseau. Souvent les métriques sont plus éloquentes qu'une représentation, surtout pour les grands graphes.
## Scale-free (graphe sans échelle)
Un graphe complexe est de type **scale-free** si la distribution de ses degrés suit une loi de puissance. Par ex : le Web est le cas d'école du graphe scale-free, il y a quelques sommets fortement connectés et un très grands nombres de sommets faiblement connectés.
```{r pressure, echo=FALSE}
plot(pressure)
```
Note that the `echo = FALSE` parameter was added to the code chunk to prevent printing of the R code that generated the plot.
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment