Ранее мы уже отмечали, что графовая аналитика всё чаще находит своё применение в анализе данных. Это приводит к росту популярности различных инструментов для визуализации графов. Но большая часть подобных инструментов не является “дружелюбной” по отношению к обычным пользователям. Кроме того, у многих компаний, в силу специфики их работы, возникает потребность в создании собственных инструментов, которые могут использоваться сотрудниками для визуализации и анализа графов.
При решении подобных задач возникают несколько основных проблем: скорость разработки и кроссплатформенность. Для того, чтобы сразу исключить данные проблемы, легче всего разработать web приложение. В рамках данной статьи рассмотрим небольшое введение в создание простой интерактивной визуализации графов.

В последнее время тема графовых алгоритмов стала крайне популярна. Вместе с Process Mining эта технология позволяет находить нарушения новыми способами – при помощи построения изображения.
Однако, картинка – это только видимая часть большого количества мощных инструментов, которые находятся в глубине модулей языка Python.
Сегодня мы поговорим о таком мощном модуле как Networkx.

В 1736 году была очень популярна задача «кенигсбергских мостах», которую долгое время никто не мог решить. Позже она стала классической задачей теории графов. А сам термин «граф» впервые был введен только через 200 лет. Сегодня графы – это невероятное средство моделирования. Расскажем, как мы используем их для поиска альтернативных решений привычных задач.

Данная статья освещает алгоритм поиска компонент сильной связности в графах. Данный алгоритм может быть полезен при поиске «подозрительных» цепочек переводов.

Думаю, каждый Data Scientist знаком с библиотекой matplotlib, однако это не единственная библиотека для визуализации в python. Бывают такие задачи, когда нужна более “живая” визуализация и нет времени на написание кода для идеального графика с ее помощью. Тогда на ум приходит Plotly

Предлагаем рассмотреть анализ транзакционных данных с помощью различных статистик, которые извлечем при помощи стандартных инструментов в PySpark с подробным описанием.

Несмотря на то, что описание данных с помощью графов практикуется еще с позапрошлого столетия, использование их в решении повседневных задач по анализу данных активно набирает обороты. Вариантов использования этого метода множество. Но что делать, если вам нужно нарисовать граф, а попавшиеся под руку инструменты рисуют какой-то «комок волос»?
В данной статье, на конкретном примере, рассмотрим способ расширения информативности связей графа.