我试图计算我的图中每个顶点的聚类，其中聚类在顶点级定义为实际形成的可能的邻居间链接的百分比（例如，如果顶点i有4个邻居，邻居之间有六种可能的联系。）
我刚刚开始学习一些关于网络的更正式的事情，但似乎这应该是一个非常常见的操作/措施＆＃34;紧张＆＃34;一个网络。
但是，我无法找到使用selectAll("restaurant", new GetDataCallback(){
@Override
public void onGetMapData(MapData mapData) {
// Parse your data
}
@Override
public void onError() {
}
});
计算此功能的预制函数。 igraph和clusters函数似乎都在处理我所称的＆＃34;组件＆＃34;，而我可以告诉他们这些只是cluster.distribution的简称别名和分别为components。
例如，对于component.distribution，按顶点聚类为：
g = make_graph("Bull")我可以通过以下
获得这个v | c
-------
1 | 1
2 | 1/3
3 | 1/3
4 | 0 [by convention]
5 | 0 [by convention]
但这看起来很冗长，可能效率低下。
使用library(igraph)
g = make_graph("Bull")
sapply(adjacent_vertices(g, seq_len(vcount(g))),
function(x) {
neigh = as.vector(x)
if (length(neigh) <= 1L) return(0)
sum(g[neigh, neigh])/
(length(neigh)^2 - length(neigh))})
# [1] 1.0000000 0.3333333 0.3333333 0.0000000 0.0000000
吗？
答案 0 :(得分：2)
clustering coefficient抓住了这一点。在igraph中，通话为transitivity。使用"local"作为type参数。您还可以指定是否需要0或NA用于隔离区：
library(igraph)
g = make_graph("Bull")
transitivity(g, type="local")
# [1] 1.0000000 0.3333333 0.3333333 NaN NaN
transitivity(g, type="local", isolates = "zero")
# [1] 1.0000000 0.3333333 0.3333333 0.0000000 0.0000000