Build your ultimate AI agent
课程介绍
现在您已经熟悉了网络分析的基础，是时候看看如何将这些概念应用到大型真实世界的数据集上了。您将完成 3 个不同的案例研究，每个都在前一个的基础上递进。这些案例研究涉及您在学术界和行业环境中都会遇到的数据。我们将探讨您会面临的一些计算和可视化挑战，以及如何应对它们。您对 igraph 的理解将继续加深，我们也会借助其他可视化库，帮助您将可视化带到网页上。
先修要求
课程大纲
课程大纲
1
穿越时间探索图
在本章中，您将探索亚马逊购买关系图的一个子集。您会在已学内容之上，找出重要的商品，并发现促成购买的因素。您还将通过查看不同时段的图，来考察图在时间上的变化。
2
人们在 Twitter 上如何讨论 R？
在本课中，您将通过查看使用 "#rstats" 的对话来探索与 R 相关的 Twitter 数据。首先查看原始数据，并思考如何构建图。构建方式有多种，我们将介绍两种：转推（retweet）和提及（mention）。您将构建这些图，并用若干指标进行比较。
3
芝加哥的共享单车网络
在本章中，您将分析来自芝加哥共享单车网络的数据。我们将在入门课程已涵盖的概念之上继续推进，并新增一些概念以处理带权边的图。您还将从更为原始的数据显示开始，学习如何从可能找到的数据源逐步构建出您的图。
4
可视化图数据的其他方式
到目前为止，我们一直使用 igraph 进行绘图。它为绘制图数据提供了许多强大的方法。然而，很多人更喜欢使用其他绘图框架，如 ggplot2，甚至是 d3.js 这样的交互式框架。在本课中，您将了解构建在 ggplot2 框架之上的其他绘图库。您还会了解非"毛线球"式的方法，如蜂巢图（hive plots），以及如何构建交互式和动画图。
R
案例研究：用 R 进行网络分析
课程完成
