Visualisierung von Verbindungen zwischen Gruppen

Ich habe ungefähr zehn Gruppen (von Unternehmen). Jede Gruppe ist miteinander verbunden. Die Daten, die ich habe, repräsentieren die Stärke der Verbindung. Stellen Sie sich vor, es ist die Häufigkeit, mit der jemand aus Gruppe A eine E-Mail an Gruppe B gesendet hat.

Die Stärke einer Verbindung kann 0 sein. Es gibt zwei Verbindungen zwischen zwei Gruppen, AB und BA.

a) Was wäre ein guter Weg, um dies zu visualisieren? Ich könnte mir zum Beispiel vorstellen, dass jede Gruppe ein Kreis ist. Linien verbinden die Kreise und die Dicke der Linie repräsentiert die Stärke der Verbindung. Die Größe der Gruppen angeben zu können, wäre ein Plus, aber nicht erforderlich.

b) Kennen Sie Software-Tools, um dies zu visualisieren? Das Tool sollte nicht zu teuer sein oder als Testversion verfügbar sein, da es derzeit nur ein Proof of Concept ist. Es muss nicht webbasiert sein.

Was Sie in Ihrem Beispiel beschreiben, ist nicht nur ein Netzwerk von Beziehungen, sondern ein Netzwerk von "Flüssen" zwischen allen Gruppen.

Wie Sie in a) vorgeschlagen haben (und wie Jeromy auch sagte), wird Ihre Grafik wahrscheinlich eine Visualisierung einer Gruppe (oder eines Knotens) sein, die mit anderen Gruppen verknüpft ist. Der größte Teil meines Wissens über dieses Thema ist die Visualisierung von Flüssen zwischen geografischen Räumen, aber viele der gleichen Probleme gelten immer noch.

Ich denke, dieses Papier macht einen guten Job, indem es Visualisierungstechniken in Bezug auf Mapping-Flows zusammenfasst.

Von räumlichen Interaktionsdaten zu räumlichen Interaktionsinformationen? Geovisualisierung und räumliche Strukturen der Migration aus der britischen Volkszählung von 2001 von: Alasdair Rae Computers, Environment and Urban Systems, Vol. 3, No. 33, Nr. 3. (Mai 2009), S. 161-178. (PDF hier )

Die Visualisierung von Flüssen im geografischen Raum weist normalerweise drei Hauptprobleme auf. Zum einen ist es schwierig, zwischen Zu- und Abflüssen zu unterscheiden. Das zweite ist, dass lange Linien dazu neigen, die Grafik zu dominieren. Drei ist, dass Überlappungen oder zu viele Flüsse dazu führen, dass die Grafik sehr verrauscht aussieht.

Das zweite Problem kann gelöst werden, indem Sie die Knoten in Ihrer Grafik organisieren (wie Jeromy Clusterknoten zusammen mit starken Beziehungen vorgeschlagen hat). Es kann auch einfacher sein, kleine Mehrfachdiagramme zu verwenden, um zwischen Ein- und Ausflüssen und wechselseitigen Flüssen zu unterscheiden (dh Ihre Knoten einem bestimmten Raum zuzuordnen und dann separate Grafiken zu haben, in denen Ein- und Ausflüsse angezeigt werden). Ich habe keine Beispiele für Flüsse in Netzwerken gesehen, wie Sie sie beschreiben, daher weiß ich nicht, ob die selbstorganisierenden Grafiken das Problem haben, dass Linien überlappen.

Wenn Sie Erfahrung in der Programmierung in Python haben, sollten Sie sich das NetworkX- Paket ansehen . (Das mit Ars verknüpfte Gephi-Paket sieht auch ziemlich gut aus).

Dies ähnelt Fragen, die im GIS-Stackexchange-Forum gestellt werden, und hier ist eine Frage mit Antworten, an denen Sie interessiert sein könnten.

Viel Glück

Gephi eignet sich sehr gut zur Visualisierung gerichteter oder ungerichteter Grafiken / Netzwerke. Eine andere Option könnte Walross sein .

Ein paar kurze Gedanken:

• Ich habe eine mehrdimensionale Skalierung verwendet , um Verbindungen zwischen Teammitgliedern (dh einem gewichteten Netzwerk) zu visualisieren. Knoten mit stärkeren Verbindungen erscheinen dann in der Abbildung näher. Hier einige Ressourcen für die in R Umsetzung .
• Sie könnten ein Standarddiagramm darstellen, in dem die Liniendicke auf der Verbindungsstärke basiert.

Eine Alternative zur multidimentionalen Skalierung besteht darin, eine Karte der Position jeder Gruppe zueinander als SOM (Self Organizing Maps) zu erstellen. Wie Sie bei einer geografischen Karte der Vereinigten Staaten mit Kansas in der Mitte sehen, sind die Gruppen, die sich in der Nähe der Mitte Ihrer SOM-Karte befinden, die Gruppen, die am meisten mit anderen Gruppen verbunden sind.

Hier ist ein Python-SOM-Modul