Études de cas : l’analyse de réseaux avec R

Dans ce chapitre, vous explorerez un sous‑ensemble d’un graphe d’achats Amazon. Vous vous appuierez sur ce que vous avez déjà appris pour repérer des produits importants et comprendre ce qui motive les achats. Vous examinerez aussi comment les graphes évoluent dans le temps en observant le graphe sur différentes périodes.

Dans cette leçon, vous étudierez des données Twitter sur R en examinant les conversations utilisant « #rstats ». Vous commencerez par regarder les données brutes et réfléchir à la manière de construire votre graphe. Il existe plusieurs approches ; nous en couvrirons deux : les retweets et les mentions. Vous construirez ces graphes, puis vous les comparerez selon plusieurs métriques.

Dans ce chapitre, vous allez analyser des données issues d’un réseau de vélos en libre‑service de Chicago. Nous nous appuierons sur les notions déjà vues dans le cours d’introduction et nous en ajouterons quelques‑unes pour gérer des graphes à arêtes pondérées. Vous partirez également de données un peu plus brutes et verrez comment construire votre graphe à partir d’une source de données que vous pourriez rencontrer.

Jusqu’ici, nous avons tout tracé avec igraph, qui offre de nombreuses façons puissantes de visualiser vos données de graphe. Cependant, beaucoup préfèrent interagir avec d’autres cadres de tracé comme ggplot2, ou même des frameworks interactifs comme d3.js. Dans cette leçon, vous découvrirez d’autres bibliothèques de visualisation qui s’appuient sur l’écosystème ggplot2. Vous verrez aussi d’autres méthodes non « hairball », comme les hive plots, ainsi que la création de graphiques interactifs et animés.