SNAP (Stanford Network Analysis Platform)の概要と実装例について

pip install snap-stanford

import snap

# グラフを作成
G = snap.LoadEdgeList(snap.PNGraph, "social_network_data.csv", 0, 1, ',') 

# ノード数とエッジ数を取得
num_nodes = G.GetNodes()
num_edges = G.GetEdges()

print("ノード数:", num_nodes)
print("エッジ数:", num_edges)

# ノードの次数中心性を計算
def calculate_degree_centrality(graph):
    degree_centrality = {}
    for node in graph.Nodes():
        node_id = node.GetId()
        degree_centrality[node_id] = node.GetOutDeg()
    return degree_centrality

degree_centrality = calculate_degree_centrality(G)

import networkx as nx
import matplotlib.pyplot as plt

# SNAPのグラフをnetworkxのグラフに変換
G_nx = nx.DiGraph()

for edge in G.Edges():
    G_nx.add_edge(edge.GetSrcNId(), edge.GetDstNId())

# グラフを可視化
pos = nx.spring_layout(G_nx, seed=42)  # レイアウトを設定
nx.draw(G_nx, pos, with_labels=True, node_size=100, node_color="skyblue", font_size=8)
plt.title("ソーシャルネットワーク可視化")
plt.show()

import snap

# グラフを作成
web_graph = snap.TNGraph.New()

# ウェブページのノードを追加
web_graph.AddNode(1)
web_graph.AddNode(2)
web_graph.AddNode(3)

# リンクを追加
web_graph.AddEdge(1, 2)
web_graph.AddEdge(2, 3)
web_graph.AddEdge(3, 1)

# ノード数とエッジ数を取得
num_nodes = web_graph.GetNodes()
num_edges = web_graph.GetEdges()

print("ノード数:", num_nodes)
print("エッジ数:", num_edges)

# ページランクを計算
page_rank = snap.TIntFltH()
snap.GetPageRank(web_graph, page_rank)

# ページランクの表示
for node_id in page_rank:
    print(f"ノード {node_id}: ページランク = {page_rank[node_id]}")

import networkx as nx
import matplotlib.pyplot as plt

# SNAPのグラフをnetworkxのグラフに変換
G_nx = nx.DiGraph()

for edge in web_graph.Edges():
    G_nx.add_edge(edge.GetSrcNId(), edge.GetDstNId())

# グラフを可視化
pos = nx.spring_layout(G_nx, seed=42)  # レイアウトを設定
nx.draw(G_nx, pos, with_labels=True, node_size=100, node_color="skyblue", font_size=8)
plt.title("ウェブグラフ可視化")
plt.show()

import snap

# グラフを作成
protein_interaction_graph = snap.TUNGraph.New()

# CSVファイルからデータを読み込む
with open("protein_interaction_data.csv", "r") as file:
    for line in file:
        source, target = line.strip().split(",")
        source = int(source)
        target = int(target)
        # ノードを追加
        if not protein_interaction_graph.IsNode(source):
            protein_interaction_graph.AddNode(source)
        if not protein_interaction_graph.IsNode(target):
            protein_interaction_graph.AddNode(target)
        # エッジを追加
        if not protein_interaction_graph.IsEdge(source, target):
            protein_interaction_graph.AddEdge(source, target)

# ノード数とエッジ数を取得
num_nodes = protein_interaction_graph.GetNodes()
num_edges = protein_interaction_graph.GetEdges()

print("ノード数:", num_nodes)
print("エッジ数:", num_edges)

# ノードの次数中心性を計算
degree_centrality = {}
for node in protein_interaction_graph.Nodes():
    node_id = node.GetId()
    degree_centrality[node_id] = node.GetDeg()

# 結果を表示
for node_id, centrality in degree_centrality.items():
    print(f"ノード {node_id}: 次数中心性 = {centrality}")

import networkx as nx
import matplotlib.pyplot as plt

# SNAPのグラフをnetworkxのグラフに変換
G_nx = nx.Graph()

for edge in network_graph.Edges():
    G_nx.add_edge(edge.GetSrcNId(), edge.GetDstNId())

# グラフを可視化
pos = nx.spring_layout(G_nx, seed=42)  # レイアウトを設定
nx.draw(G_nx, pos, with_labels=False, node_size=10)
plt.title("コンピュータネットワーク可視化")
plt.show()

import snap

# グラフを作成
road_network_graph = snap.TNEANet.New()

# 道路データを読み込む（仮の例）
with open("road_network_data.csv", "r") as file:
    for line in file:
        source_node, dest_node, distance = line.strip().split(",")
        source_node = int(source_node)
        dest_node = int(dest_node)
        distance = float(distance)
        # ノードを追加
        if not road_network_graph.IsNode(source_node):
            road_network_graph.AddNode(source_node)
        if not road_network_graph.IsNode(dest_node):
            road_network_graph.AddNode(dest_node)
        # エッジを追加
        if not road_network_graph.IsEdge(source_node, dest_node):
            road_network_graph.AddEdge(source_node, dest_node)
        # エッジの属性（距離）を設定
        edge_id = road_network_graph.GetEI(source_node, dest_node)
        road_network_graph.AddFltAttrDatE(edge_id, distance, "distance")

# ノード数とエッジ数を取得
num_nodes = road_network_graph.GetNodes()
num_edges = road_network_graph.GetEdges()

print("ノード数:", num_nodes)
print("エッジ数:", num_edges)

# 最短経路を計算
source_node = 1
dest_node = 10

shortest_path = snap.GetShortPath(road_network_graph, source_node, dest_node)
print("最短経路:", shortest_path)

import networkx as nx
import matplotlib.pyplot as plt

# SNAPのグラフをnetworkxのグラフに変換
G_nx = nx.Graph()

for edge in road_network_graph.Edges():
    G_nx.add_edge(edge.GetSrcNId(), edge.GetDstNId())

# グラフを可視化
pos = nx.spring_layout(G_nx, seed=42)  # レイアウトを設定
nx.draw(G_nx, pos, with_labels=False, node_size=10)
plt.title("交通ネットワーク可視化")
plt.show()

import snap

# グラフを作成
graph = snap.TNGraph.New()

# グラフデータを読み込む（仮の例）
with open("graph_data.csv", "r") as file:
    for line in file:
        source_node, dest_node = line.strip().split(",")
        source_node = int(source_node)
        dest_node = int(dest_node)
        if not graph.IsNode(source_node):
            graph.AddNode(source_node)
        if not graph.IsNode(dest_node):
            graph.AddNode(dest_node)
        graph.AddEdge(source_node, dest_node)

# ノード特徴量を設定（仮の例）
for node in graph.Nodes():
    node_id = node.GetId()
    # ここでノードの特徴量を設定
    graph.AddFltAttrDatN(node_id, feature_value, "feature_name")

# モデルのトレーニング（仮の例）
model = selected_model()
model.fit(graph, train_data, labels)

# テストデータでの予測
predictions = model.predict(test_data)

# モデルの性能評価
evaluation_metrics = evaluate_model(predictions, true_labels)