Network Analysis in Python : a brief Introduction

Structure and Content
The tutorial covers three major topics, i.e. (1) the Python ecosystem, including net-
work analysis and visualization libraries, (2) the fundamentals of network analy-
sis, and (3) the fundamentals of network visualization. The contents discussed for
each topic are briefly outlined in the following.
. Python and Social Network Analysis
There are multiple readily available software solutions that come with many of
the different methods and techniques falling into the domain of social network
analysis, some of which have been around for decades (e.g. UCINET [8], Pajek
[7], Gephi [4]). Recently, however, Python and the ecosystem evolving around it
have gained popularity in the network community. As a programming language,
Python is known for its intuitive syntax, readability, extensibility, versatility, cross-
platform availability, high degree of customizability, and the large community that
has emerged from it. As a platform for social network analysis, it primarily benefits
from the extensive number of libraries and extensions contributed by this commu-
nity, which elevate Python from a simple programming language to a flexible and
powerful ecosystem with a wide range of scientific applications.
Over the course of the tutorial, we provide a brief overview of the various libraries
that are necessary to use Python for social network analysis. For this tutorial, we
use a freely available Python distribution, i.e. Anaconda [1], which provides a com-
prehensive scientific Python environment, including Jupyter [5], a web-based, in-
teractive development environment, formerly known as iPython.
We briefly discuss the scientific Python environment and its setup, before we
demonstrate how Anaconda [1] can be used in conjunction with Docker [3] to pro-
vide a flexible cross-platform environment for network analysis. Further, we pro-
vide an overview of the most commonly used network analysis libraries for Python
and continue the tutorial with a practical introduction to the NetworkX [6] library
using practical examples based on a freely available dataset.
4
International Workshop of MMB 2018

---