用于学位计算

Question

是否有人尝试实施一种软件来从NetworkX的Graph Class中提取平均程度的学位？我不是在networkX中要求稳定的实现方法。我在这里要求草稿级别的实现。

这是到目前为止我尝试过的（不确定是否正确）吗？

for i in range(3, 9):
    G = nx.gnp_random_graph(i, 0.2) #Returns a G_{n,p} random graph, also known as an Erdős-Rényi graph or a binomial graph.
    #print(len(G))
    #print(len(G.nodes()))
    from collections import *
    import collections

    class OrderedCounter(Counter, OrderedDict):
        pass

    m=[list (i) for i in G.edges()]

    flat_list = [item for sublist in m for item in sublist]
    counterlist = OrderedCounter(flat_list)
    degree_sequence=sorted(sorted(counterlist.values(), reverse=True))
    degreeCount=collections.Counter(degree_sequence)
    print("degreeCount:", degreeCount)

    #deg, cnt = zip(*degreeCount.items()) #Returns the average degree of the neighborhood of each node.
    #print(deg, cnt)

    nodes = len(G) 
    count_Triangle = 0 #Initialize result 
    # Consider every possible triplet of edges in graph 
    for i in range(nodes): 
        for j in range(nodes): 
            for k in range(nodes): 
                # check the triplet if it satisfies the condition 
                if( i!=j and i !=k and j !=k and
                        G[i][j] and G[j][k] and G[k][i]): 
                    count_Triangle += 1
                    print(count_Triangle)

当我以此方式计算三角形时，我会继续获得Key error，这是因为我知道我传递的索引不正确。我以为G是字典对象。不知道。

此外，如果我尝试提取deg, cnt，而我认为该数字是获得平均学位的解决方案，那么当字典为空时，我总是会出错。

Answer 1

用于三角计数

类似dict的访问G[u][v]对图形G的边缘数据进行操作，因此dict G[u]中的键（通常）不是图形中的所有其他节点;尽管字典G中的键确实包含了图中的所有节点。
如果要采用这种形式的索引编制，最好生成一个邻接矩阵，该矩阵对于一个n节点图具有n x n个元素。然后，所有在[0，n]范围内对i的查询A[i][j]都有效；如果没有边，则返回值为0。
还要看看itertools，它将使您的代码更整洁。

for i,j,k in itertools.combinations(xrange(n), 3):
    # a generator of all unique combinations of [0,1,2,3,4]
    # this already excludes the cases where i==j, i==k j==k
    print(i,j,k)

尽管要小心，因为此软件包中的各种功能都非常相似。

这里有一些代码可以让您在这里计算三角形数

import networkx as nx
import matplotlib.pyplot as plt
import itertools

T1 = []
T2 = []

n = 7
p = 0.2
reps = 1000
for r in xrange(reps):
    G = nx.gnp_random_graph(n, p)

    A = nx.adj_matrix(G);

    t = 0;
    for (i,j,k) in itertools.combinations(xrange(n), 3):
        # a generator of all unique 3-combinations of [0,1,2,...,n]
        if i==k or i==j or j==k:
            print ("Found a duplicate node!", i,j,k)
            continue # just skip it -- shouldn't happen
        if A[i,j] and A[j,k] and A[i,k]:
            t += 1
    T1.append(t);

    # let's check we agree with networkx built-in
    tr = nx.triangles(G)
    T2.append(sum(tr.values()))    

T2 = [t /3.0 for t in T2]; # divide all through by 3, since this is a count of the nodes of each triangle and not the number of triangles.

plt.figure(1); plt.clf()
plt.hist([T1, T2], 20)

在这里，您看到三角形计数是相同的（我在y轴上放置了对数刻度，因为较高的三角形计数的频率相当低）。

用于学位计算

似乎您需要更清晰地了解要计算的度数： -这是无向图，这意味着，如果u和v之间存在边，则这两个节点都应至少为1级。您的计算只计算一次边缘。

第二，您生成的图形没有很多边，特别是对于较小的边。在p = 0.2的情况下，完全没有边缘的3节点图的比例为51％，甚至5节点图在11％的时间内也没有边缘。因此，空列表并不表示失败。

使用图形属性，很容易检查平均程度：

2*G.number_of_edges() / float(G.number_of_nodes())

或内置的每节点度数计算器。

sum([d for (n, d) in nx.degree(G)]) / float(G.number_of_nodes())

Answer 2

您的代码中有两个错误。首先，node应该是图G中节点的列表，而不是图中节点的长度。这将确保您的逻辑适用于所有图形（即使其节点不是以索引0开头的Graph也是如此）。另外，您的for循环也应进行相应更改，例如

nodes = G.nodes() #<--- Store the list of nodes 
count_Triangle = 0 #Initialize result
# Consider every possible triplet of edges in graph

for i in nodes: #<---------Iterate over the lists of nodes
    for j in nodes: 
        for k in nodes:

接下来，您将不会访问图的边缘（如索引）。您必须使用has_edge()方法，因为如果边缘不存在，代码将不会失败。

因此您的if语句变为：

if( i!=j and i !=k and j !=k and
                    G.has_edge(i,j) and G.has_edge(j, k) and G.has_edge(k, i)):
                count_Triangle += 1
                print(count_Triangle)

将所有这些放在一起，您的程序将变为：

import networkx as nx
from collections import *
import collections

for i in range(3, 9):
    G = nx.gnp_random_graph(i, 0.2)
    class OrderedCounter(Counter, OrderedDict):
        pass

    m=[list (i) for i in G.edges()]

    flat_list = [item for sublist in m for item in sublist]
    counterlist = OrderedCounter(flat_list)
    degree_sequence=sorted(sorted(counterlist.values(), reverse=True))
    degreeCount=collections.Counter(degree_sequence)
    print("degreeCount:", degreeCount)


    #Store the list of nodes 
    nodes = G.nodes()

    count_Triangle = 0 #Initialize result
    # Consider every possible triplet of edges in graph


    for i in nodes:    #<---------Iterate over the lists of nodes
        for j in nodes:
            for k in nodes:

                # Use has_edge method
                if( i!=j and i !=k and j !=k and
                        G.has_edge(i,j) and G.has_edge(j, k) and G.has_edge(k, i)):
                    count_Triangle += 1
                    print(count_Triangle)

提取度，图类的平均度

2 个答案:

用于三角计数

用于学位计算

提取度，图类的平​​均度

2 个答案:

用于三角计数

用于学位计算

提取度，图类的平均度