Visualisation des connexions entre les groupes

J'ai une dizaine de groupes (d'entreprises). Chaque groupe est connecté avec l'autre groupe. Les données dont je dispose représentent la force de la connexion. Imaginez que c'est le nombre de fois qu'un membre du groupe A a envoyé un e-mail au groupe B.

La force d'une connexion peut être 0. Il existe deux connexions entre deux groupes, AB et BA.

a) Quelle serait une bonne façon de visualiser cela? Je pourrais imaginer, par exemple, que chaque groupe est un cercle. Les lignes relient les cercles et l'épaisseur de la ligne représente la force de la connexion. Être en mesure d'indiquer la taille des groupes serait un plus mais pas obligatoire.

b) Connaissez-vous des outils logiciels pour visualiser cela? L'outil ne devrait pas être trop cher ou devrait être disponible en version d'essai car pour l'instant ce n'est qu'une preuve de concept. Il n'est pas nécessaire qu'il soit basé sur le Web.

Ce que vous décrivez dans votre exemple n'est pas seulement un réseau de relations, mais un réseau de «flux» entre tous les groupes.

Comme vous l'avez suggéré dans a) (et comme Jeromy l'a dit également), votre graphique sera probablement une visualisation d'un groupe (ou nœud) lié à d'autres groupes. La majeure partie de ma connaissance de ce sujet consiste à visualiser les flux entre les espaces géographiques, mais bon nombre des mêmes problèmes s'appliquent toujours.

Je pense que cet article résume bien les techniques de visualisation en ce qui concerne la cartographie des flux.

Des données d'interaction spatiale aux informations d'interaction spatiale? Géovisualisation et structures spatiales des migrations à partir du recensement britannique de 2001 par: Alasdair Rae Computers, Environment and Urban Systems, Vol. 33, n ° 3. (mai 2009), p. 161-178. (PDF ici )

La visualisation typique des flux dans l'espace géographique pose trois problèmes principaux. Premièrement, il est difficile de faire la distinction entre les entrées et les sorties. La seconde est que les longues lignes ont tendance à dominer le graphique. Troisièmement, le chevauchement ou trop de flux ont tendance à rendre le graphique très bruyant.

Le deuxième problème peut être résolu par la façon dont vous organisez les nœuds sur votre graphique (comme les nœuds de cluster suggérés par Jeromy avec des relations solides). Il peut également être plus facile d'utiliser de petits graphiques multiples pour faire la distinction entre les flux entrants, sortants et réciproques (c.-à-d. Mappez vos nœuds à un espace spécifique, puis disposez de graphiques séparés affichant les flux entrants et sortants). Je n'ai vu aucun exemple de flux dans les réseaux comme vous le décrivez, donc je ne sais pas si les graphiques auto-organisés ont le problème de chevauchement des lignes.

Si vous avez de l'expérience en programmation en Python, vous voudrez peut-être consulter le package NetworkX . (Le package Gephi lié à Ars est également assez génial).

Ceci est de nature similaire aux questions posées sur le forum stackexchange SIG, et voici une question avec des réponses qui pourraient vous intéresser.

Bonne chance

Gephi est assez bon pour la visualisation de graphiques / réseaux dirigés ou non dirigés. Une autre option pourrait être le morse .

Quelques réflexions rapides:

• J'ai utilisé une mise à l' échelle multidimensionnelle pour visualiser les connexions entre les membres de l'équipe (c'est-à-dire un réseau pondéré). Les nœuds avec des connexions plus fortes apparaissent alors plus près sur la figure. Voici quelques ressources pour la mise en œuvre en R .
• Vous pouvez présenter un graphique standard où l' épaisseur de la ligne est basée sur la force de la connexion.

Une alternative à la mise à l'échelle multidimensionnelle consiste à dresser une carte de la position de chaque groupe les uns par rapport aux autres en tant que SOM (Self Organizing Maps). Tout comme vous le voyez avec une carte géographique des États-Unis avec le Kansas au milieu, les groupes qui sont positionnés près du milieu de votre carte SOM seraient les groupes les plus connectés aux autres groupes.

Voici un module SOM python