목차
※ 이전 글 참고
[그래프 ML] 파이썬 networkx 시작하기
※ 출처 : 그래프 머신러닝 (클라우디오 스타밀레 외, 김기성·장기식 옮김) 1. 그래프(Graph) 뜻 * 개체 간의 관계를 설명하는 데 사용되는 수학적 구조 * 소셜 네트워크(팔로우), 지도(길로 이어진
data-science-note.tistory.com
☆★ 요약 ★☆
| 작업 규모 및 목적 | 적절한 라이브러리 |
| 소규모 네트워크 분석 | NetworkX |
| 대규모 네트워크 및 고성능 분석 | SNAP, igraph, graph-tool, NetworKit |
| 시각화 기능 | graph-tool, NetworKit |
| 신규 알고리즘 생성 | NetworKit |
| 라이브러리 | 주요 특징 | 장점 | 단점 |
| NetworkX | - 표준 그래프 이론 알고리즘 구현 - 내장 시각화 기능 - 간편한 코드 작성 - 활발한 커뮤니티 및 문서화 |
- 사용법이 간단 - 많은 예제와 문서 - 다양한 알고리즘 제공 |
- 대규모 네트워크 처리 성능 낮음 |
| SNAP | - 대규모 네트워크 처리 능력 - 고성능 계산 - 다양한 네트워크 파일 형식 지원 |
- 대규모 네트워크 처리 최적화 - 알고리즘 성능 뛰어남 |
- 사용법이 NetworkX에 비해 복잡함 |
| igraph | - 빠른 계산 속도 - 다양한 파일 형식 지원 - 시각화 기능 |
- 대규모 네트워크 처리 가능 - 고급 네트워크 분석 기능 제공 |
- 개발 활동이 다소 적은 편 - NetworkX에 비해 문서화 수준 낮음 |
| graph-tool | - 대규모 네트워크 처리 능력 - 내장 시각화 도구 - 통합 그래프 분석 파이프라인 |
- 계산 성능과 메모리 효율성 뛰어남 - 강력한 시각화 기능 |
- 코드가 다소 복잡함 - 문서화 수준이 NetworkX보다 낮음 |
| NetworKit | - 대규모 네트워크 처리 능력 - 확장성과 유연성 - 파이썬 인터페이스 - 강력한 시각화 기능 |
- 계산 효율성 뛰어남 - 알고리즘 다양성 - 새로운 알고리즘 추가 용이 |
- 비교적 최근 개발된 라이브러리 - 문서화 수준이 낮은 편 |
1. NetworkX
* 네트워크와 그래프 구조를 생성, 조작, 시각화하기 위한 라이브러리
* 중·소규모 네트워크 분석에 적합
- 대규모 네트워크는 SNAP, igraph, graph-tool 라이브러리가 계산 효율성 측면에서 더 뛰어남
NetworkX — NetworkX documentation
NetworkX is a Python package for the creation, manipulation, and study of the structure, dynamics, and functions of complex networks. Software for complex networks Data structures for graphs, digraphs, and multigraphs Many standard graph algorithms Network
networkx.org
| 주요 특징 | 설명 |
| 다양한 네트워크 유형 | * 무향/유향/가중/다중 간선 그래프 등 여러 유형의 네트워크를 지원 * 클래스 객체로 생성하거나 외부 파일에서 데이터를 불러올 수 있음 |
| 네트워크 분석 알고리즘 | * 최단경로, 연결성, 중심성, 트리, 플로우 등 다양한 알고리즘 제공 * 이론 및 응용 분야에서 유용하게 사용됨 |
| 시각화 기능 | * 내장된 시각화 도구를 통해 네트워크를 시각화 * Matplotlib, Graphviz와 통합을 통해 고급 시각화 가능 |
| 간단한 코드 작성 | * 직관적이고 파이썬스러운(pythonic) 코드 구현 가능 * 표준 데이터 구조와의 연동 용이 |
| 활발한 커뮤니티와 문서화 | * 꾸준한 유지보수 * 방대한 커뮤니티와 예제가 갖추어져 있음 |
2. SNAP (Stanford Network Analysis Platform)
* 스탠포드 대학에서 개발된 오픈소스 라이브러리로, 대규모 네트워크 분석을 위한 다양한 알고리즘과 데이터 구조를 제공
* NetworkX는 사용법이 간단하고 시각화 기능이 풍부한 반면에, SNAP은 대규모 네트워크 처리에 최적화되어 있으며 알고리즘 성능이 뛰어남
- 작은 규모의 네트워크 분석은 NetworkX가 적합하지만, 대규모 네트워크 분석은 SNAP이 더 효율적임
SNAP: Stanford Network Analysis Project
Stanford Network Analysis Project Stanford Network Analysis Platform (SNAP) is a general purpose network analysis and graph mining library. It is written in C++ and easily scales to massive networks with hundreds of millions of nodes, and billions of edges
snap.stanford.edu
| 주요 특징 | 설명 |
| 대규모 네트워크 처리 | * 수억 개의 노드와 간선을 가진 대규모 네트워크를 효율적으로 처리 * 메모리 효율을 고려한 데이터 구조와 병렬 알고리즘 사용 |
| 다양한 네트워크 유형 | * 무향/유향/가중/다중 간선 그래프 등 여러 유형의 네트워크를 지원 |
| 네트워크 분석 알고리즘 | * 연결 요소, 단절 집합, 최단경로, 중심성 등 다양한 분석 알고리즘 제공 * 커뮤니티 탐지, 링크 예측, 시각화 기능 |
| 고성능 연산 | * C++로 작성되어 높은 계산 성능 * Python, Java, C# 언어에서도 사용 가능 |
| 다양한 네트워크 파일 형식 | * 간선 목록, 행렬, 페이스북 데이터 등 여러 파일 형식을 읽기/쓰기 가능 |
3. igraph
* 네트워크 분석을 위한 오픈소스 라이브러리로, C 라이브러리인 igraph의 핵심 기능을 Python에서 사용할 수 있도록 래핑한 라이브러리
* NetworkX와 유사한 점이 많지만, igraph는 대규모 네트워크 처리 성능이 더 뛰어나고 고급 분석 기능을 제공
- 다만, NetworkX에 비해 커뮤니티 활동이 다소 적은 편임
igraph – Network analysis software
igraph – The network analysis package igraph is a collection of network analysis tools with the emphasis on efficiency, portability and ease of use. igraph is open source and free. igraph can be programmed in R, Python, Mathematica and C/C++. igraph R p
igraph.org
| 주요 특징 | 설명 |
| 다양한 네트워크 유형 | * 무향/유향/가중 그래프 등 여러 유형의 네트워크를 지원 * 대규모의 희소 행렬도 효율적으로 처리 |
| 네트워크 분석 알고리즘 | * 연결성, 중심성, 커뮤니티 탐지, 레이아웃, 랜덤 네트워크 모델 등 광범위한 분석 알고리즘 제공 * 다중 모드 네트워크, 계층 네트워크, 동적 네트워크 등 |
| 고성능 연산 | * C 라이브러리 기반으로 높은 계산 성능 * 대규모 네트워크 분석에 적합 |
| 다양한 네트워크 파일 형식 | * GEXF, GraphML, LGL, Pajek 등 여러 파일 형식을 읽기/쓰기 가능 |
| 시각화 기능 | * 고급 시각화를 위해 Cairo, Matplotlib과 통합 가능 |
4. graph-tool
* 효율적인 그래프 자료구조와 알고리즘을 제공하는 오픈소스 라이브러리로, C++로 작성되어 높은 계산 성능을 가지며 파이썬에서 사용할 수 있도록 래핑됨
* NetworkX보다 코드가 복잡할 수 있지만, graph-tool은 계산 성능과 메모리 효율성이 뛰어나 대규모 네트워크 분석에 적합하며 시각화 도구도 SNAP, igraph보다 강력함
graph-tool: Efficent network analysis with python
Extensive Features An extensive array of features is included, such as support for arbitrary vertex, edge or graph properties, efficient "on the fly" filtering of vertices and edges, powerful graph I/O using the GraphML, GML and dot file formats, graph pic
graph-tool.skewed.de
| 주요 특징 | 설명 |
| 대규모 네트워크 처리 | * 수억 개의 노드와 간선을 가진 대규모 네트워크도 효율적으로 처리 * 메모리 효율을 고려한 자료구조와 병렬 알고리즘을 사용 |
| 다양한 네트워크 유형 | * 무향/유향/가중 그래프, 트리 등 여러 유형의 네트워크를 지원 * 노드와 간선에 임의 속성을 부여 가능 |
| 네트워크 분석 알고리즘 | * 연결성, 중심성, 커뮤니티 탐지, 레이아웃, 랜덤 네트워크 모델 등 광범위한 분석 알고리즘 제공 * 다중 모드 네트워크, 계층 네트워크, 동적 네트워크 등 |
| 시각화 기능 | * 그래프 시각화 도구와 레이아웃 알고리즘을 내장 * 대화형(Interactive) 시각화 및 3D 렌더링 가능 |
| 통합 그래프 분석 파이프라인 | * 데이터 불러오기, 전처리, 알고리즘 실행, 결과 시각화까지 통합된 파이프라인 제공 |
5. NetworKit
* 대규모 네트워크 분석을 위한 오픈소스 라이브러리로, C++로 작성되어 연산 효율이 뛰어나며 파이썬 인터페이스도 제공
* 비교적 최근에 개발된 라이브러리이며, NetworkX나 igraph에 비해 문서화 수준이 낮지만 지속적인 업데이트를 통해 점차 발전할 것으로 기대됨
NetworKit
NetworKit is a growing open-source toolkit for large-scale network analysis. Its aim is to provide tools for the analysis of large networks in the size range from thousands to billions of edges. For this purpose, it implements efficient graph algorithms, m
networkit.github.io
| 주요 특징 | 설명 |
| 대규모 네트워크 처리 | * 수억 개의 노드와 간선을 가진 대규모 네트워크도 효율적으로 처리 * 메모리 효율을 고려한 자료구조와 병렬 알고리즘을 사용 |
| 네트워크 분석 알고리즘 | * 연결성, 중심성, 커뮤니티 탐지, 링크 예측, 동적 네트워크 등 광범위한 분석 알고리즘 제공 * 최신 연구 결과를 반영한 알고리즘도 포함 |
| 확장성과 유연성 | * 새로운 알고리즘이나 데이터 구조를 쉽게 추가할 수 있는 모듈식 디자인 * 다양한 입출력 형식을 지원하며, 사용자 정의 형식도 가능 |
| 파이썬 인터페이스 | * 직관적인 파이썬 인터페이스를 제공 * Jupyter Notebook과 통합도 지원 |
| 시각화 기능 | * 그래프 시각화 도구와 레이아웃 알고리즘을 내장 * 대화형(Interactive) 시각화 및 애니메이션 기능 제공 |