pygraphistry-ai

PyGraphistry AI

ドキュメントのルーティング（ローカル + 正規版）

• 最初に ../pygraphistry/references/pygraphistry-readthedocs-toc.md を参照してルーティングします。
• セクションレベルのショートカットには ../pygraphistry/references/pygraphistry-readthedocs-top-level.tsv を使用します。
• 必要なページが見つからない場合に限り、../pygraphistry/references/pygraphistry-readthedocs-sitemap.xml を検索します。
• 詳細ページを読む前に、まとめて一度だけ探索用の読み取りを行います。cat * や、細かな読み取りを順番に繰り返すことは避けてください。
• ユーザー向けの回答では、正規の https://pygraphistry.readthedocs.io/en/latest/... リンクを優先してください。

一般的なワークフロー

1. ノード／エッジからグラフを構築します。
2. 特徴量／埋め込み手法（umap、embed、任意で dbscan）を実行します。
3. 派生した列／特徴量を確認し、可視化します。
4. 特徴量の列とサンプリング戦略を反復的に調整します。

基本的な例

# Similarity embedding / projection
g2 = graphistry.nodes(df, 'id').umap(X=['f1', 'f2', 'f3'])
g2.plot()

# Fit/transform flow for consistent projection on new batches
g_train = graphistry.nodes(df_train, 'id').umap(X=['f1', 'f2'])
g_batch = g_train.transform_umap(df_batch, return_graph=True)
g_batch.plot()

# Semantic search over embedded features
g2 = graphistry.nodes(df, 'id').umap(X=['text_col'])
results_df, query_vector = g2.search('suspicious login pattern')

# Text-first workflow: featurize then search/cluster
g2 = graphistry.nodes(df, 'id').featurize(kind='nodes', X=['title', 'body']).umap(kind='nodes').dbscan()
hits, qv = g2.search('credential stuffing campaign')

# Precomputed embedding columns
embedding_cols = [c for c in df.columns if c.startswith('emb_')]
g2 = graphistry.nodes(df, 'id').umap(X=embedding_cols)
g_new = g2.transform_umap(df_new, return_graph=True)

実践上の注意点

• 全データで実行する前に、小規模または代表的なサンプルから始めます。
• 再現性を確保するため、特徴量リスト（X=...）を明示します。
• CPU と GPU の動作に関わるエンジン／データフレームの型を記録します。Polars 入力はサポートされています。Polars の結果を維持することが重要な場合、GFQL の行処理／トラバーサルには engine='polars'／'polars-gpu' を使用します。
• UMAP、ハイパーグラフ、レイアウトなど、グラフ全体を対象とする分析は、ネイティブの Polars 操作ではありません。Polars GFQL エンジンでは、既定のブリッジを理解したうえで使用するか、call_mode='strict' を設定してエンジン外での実行を拒否します。
• 異常検知のワークフローでは、しきい値と誤検出に関する前提を記録します。
• グラフ ML タスクでは、より詳細なモデルのワークフローを RGCN／リンク予測のリファレンスに誘導します。
• テキストのワークフローでクエリが自然言語の場合は、featurize(...).umap(...).search(...) を優先します。
• ユーザーがすでに埋め込みを持っている場合は、再計算する前に、埋め込み列のリストを明示して（X=[...]）再利用します。
• ユーザーが簡潔なワークフローのスニペットを求めている場合は、短いコードブロックを1つ優先し、長い説明文で囲むことは避けます。

正規ドキュメント

• GFQL + AI の組み合わせ：https://pygraphistry.readthedocs.io/en/latest/gfql/combo.html
• API の AI リファレンス：https://pygraphistry.readthedocs.io/en/latest/api/ai.html
• AI ノートブックのインデックス：https://pygraphistry.readthedocs.io/en/latest/notebooks/ai.html
• RGCN ノートブックの例：https://pygraphistry.readthedocs.io/en/latest/demos/more_examples/graphistry_features/embed/simple-ssh-logs-rgcn-anomaly-detector.html