Question

我有一个定向加权图，我使用networkx成功创建。

我试图在这个网络上产生一些统计推断，但我遇到了麻烦。他们在这里：

（i）网络的平均程度。（我唯一能找到的是average_degree_connectivity，它返回一个字典而不是一个浮点数，具有整个网络的平均度）

（ii）网络的平均加权度。（与上述相同）

（iii）网络的平均聚类系数。（我知道我必须使用nx.average_clustering（g），但是我如何考虑它是加权有向图的事实？我不断得到错误： NetworkXError :(＆＃39;聚类算法未定义＆＃39;，＆＃39;用于有向图。＆＃39;）

谢谢！

Answer 1

（i）网络的平均程度。（我能找到的唯一一个是 average_degree_connectivity，返回字典而不是a 单浮点数与整个网络的平均度数）

假设您的Graph对象为G。

degrees = G.degree()
sum_of_edges = sum(degrees.values())

计算平均值只是除以节点数。

（ii）网络的平均加权度。（与上述相同）

获取所有节点的列表，为每个节点获取所有边的列表，为每个节点总结权重属性：

edgesdict = G.edge
total = 0
for node_adjacency_dict in edgesdict.valuess():
    total += sum([adjacency.get("weight",0) for adjacency in node_adjacency_dict.values()])

（iii）网络的平均聚类系数。（我知道我必须使用nx.average_clustering（g），但是我如何看待这个事实它是加权有向图吗？我一直在错误：NetworkXError :(＆＃39;聚类算法未定义＆＃39;，＆＃39;用于有向图。＆＃39;））

重点是，在定义它之前，它没有明确定义。我认为，对于StackOverflow答案来说，这有点多了，所以我给你留下了为你的特定问题定义算法的问题。

（iv）最大的最短路径长度网络。（我知道你发现巨大的组成部分：巨人= max（nx.connected_component_subgraphs（G），key = len）但我们如何得到它中最大的最短路径长度？）

运行ipython或其他东西。输入giant.;您将获得使用giant可以执行的操作列表。

Answer 2

以下是@ marcus-müller写的更多想法。

对于平均度数（关于你的有向图的注释，这是进出度的总和）

In [1]: import networkx as nx
G
In [2]: G = nx.DiGraph()

In [3]: G.add_edge(1,2,weight=7)

In [4]: G.add_edge(3,4,weight=17)

In [5]: sum(G.degree().values())/float(len(G))
Out[5]: 1.0

In [6]: sum(G.degree(weight='weight').values())/float(len(G))
Out[6]: 12.0

NetworkX中没有加权定向群集的定义。已有提案https://github.com/networkx/networkx/issues/859但尚未完成实施。

对于有向图，最大连通分量的概念分为两个定义。弱连接的组件是在考虑图的无向版本时连接的组件（用无向的方式替换每个有向边）。强连接组件是每对节点彼此可达的组件（具有路径）。

Answer 3

从 Networkx 2.5 (2021) 开始，您可以使用 networkx.info(G) 获得图形的平均度

代码：

print(nx.info(G))

输出：

Name:
Type: Graph
Number of nodes: 85
Number of edges: 63
Average degree:   1.4824

Answer 4

关于点（i）：有向图的网络平均度， Networkx内部计算如下：

nnodes = G.number_of_nodes()
deg = sum(d for n, d in G.in_degree()) / float(nnodes)
info += "Average in degree: %8.4f\n" % deg
deg = sum(d for n, d in G.out_degree()) / float(nnodes)
info += "Average out degree: %8.4f" % deg

你可以check it on github。

Networkx统计推断

4 个答案: