graspologic

graspologic 是一个用于图统计算法的软件包。

• 概述
• 文档
• 系统要求
• 安装指南
• 贡献
• 许可证
• 问题
• 引用 graspologic

概述

图（或网络）为数据提供了一种数学上直观的表示方式，其中元素之间存在某种关系。例如，社交网络可以被表示为一张图，将所有参与者视为节点，而连接则表示网络中每对个体是否互为好友。简单地将传统统计方法应用于图结构，往往会忽略节点在网络中的空间布局，从而无法充分利用图中蕴含的所有信息。在本包中，我们提供了专门针对图数据处理与分析的工具和算法。

文档

官方使用文档位于 https://graspologic-org.github.io/graspologic/latest。

更多深入用法请访问官方网站的 教程部分。

系统要求

硬件要求

graspologic 软件包仅需一台具备足够内存以支持内存操作的标准计算机即可运行。

软件要求

操作系统要求

graspologic 已在以下操作系统上进行了测试：

• Linux x64
• macOS x64
• Windows 10 x64

同时，也已在以下 x86_64 版本的 Python 上进行了验证：

• 3.9
• 3.10
• 3.11
• 3.12

如果您尝试在未列出的平台上使用 graspologic 并发现任何异常行为，请随时 提交问题。提供具体的失败案例将有助于我们和用户更好地解决问题！

安装指南

通过 pip 安装

pip install graspologic

从 GitHub 安装

git clone https://github.com/graspologic-org/graspologic
cd graspologic
python3 -m venv venv
source venv/bin/activate
pip install .

贡献

我们欢迎任何人的贡献。在提交拉取请求之前，请先参阅我们的 贡献指南。我们的 问题页面 上有许多我们可以改进的地方！如果您有尚未列出的改进建议，请先 [创建一个问题] (https://github.com/graspologic-org/graspologic/issues/new)，以便与开发者讨论。

许可证

本项目采用 MIT 许可证进行授权。

问题

我们非常感谢详细的错误报告和功能请求（尽管我们更欢迎拉取请求！）。如有任何疑问或建议，请访问我们的 问题页面。

引用 graspologic

如果您在工作中觉得 graspologic 非常有用，请通过 GraSPy 论文 来引用该软件包：

Chung, J., Pedigo, B. D., Bridgeford, E. W., Varjavand, B. K., Helm, H. S., & Vogelstein, J. T. (2019). GraSPy: Graph Statistics in Python. Journal of Machine Learning Research, 20(158), 1-7.

graspologic 快速上手指南

graspologic 是一个专为图（网络）统计算法设计的 Python 包。它提供了处理和分析图数据的专用工具，能够利用节点的空间排列信息，比传统统计方法更有效地挖掘图数据中的价值。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

系统要求

• 操作系统：Linux x64、macOS x64 或 Windows 10 x64
• Python 版本：支持 3.9、3.10、3.11 及 3.12 (x86_64 架构)
• 硬件要求：标准计算机即可，需具备足够的内存以支持内存内操作。

前置依赖

无需手动安装复杂的前置依赖，pip 安装过程会自动处理所需的 Python 库。

安装步骤

您可以选择通过 PyPI 直接安装，或者从 GitHub 源码安装。

方式一：通过 pip 安装（推荐）

使用国内镜像源可以显著提升下载速度。以下命令使用清华大学镜像源进行安装：

pip install graspologic -i https://pypi.tuna.tsinghua.edu.cn/simple

方式二：从 GitHub 源码安装

如果您需要最新开发版或希望贡献代码，可以使用以下方式：

git clone https://github.com/graspologic-org/graspologic
cd graspologic
python3 -m venv venv
source venv/bin/activate  # Windows 用户请使用: venv\Scripts\activate
pip install .

基本使用

graspologic 主要用于图的统计分析与建模。以下是一个最简单的示例，展示如何导入库并创建一个随机图模型进行基础操作。

注意：详细的使用教程和 API 文档请访问 官方文档。

import numpy as np
from graspologic.simulations import sbm

# 1. 定义随机块模型 (SBM) 的参数
# 假设我们有 2 个社区，每个社区 50 个节点
n_communities = [50, 50]
# 定义社区内的连接概率和社区间的连接概率
p = [[0.8, 0.1], 
     [0.1, 0.8]]

# 2. 生成一个符合该模型的邻接矩阵
A, labels = sbm(n_communities, p, return_labels=True)

# 3. 查看生成的邻接矩阵形状
print(f"邻接矩阵形状：{A.shape}")
print(f"节点标签前 10 个：{labels[:10]}")

# 接下来您可以将 A 传入 graspologic 的其他算法中进行嵌入、聚类或统计分析

如需深入了解更多高级功能（如图嵌入、模型拟合等），建议查阅官方文档中的 Tutorial 部分。