计算图中的多个边（python）

Question

我正在使用幂律生成大小为N的网络 使用所谓的configuration_model算法进行度分布。结果图允许多个边，我必须计算它们，但我无法弄清楚如何。这是一个可能的解决方案：

import networkx as nx
import numpy as np
from networkx.utils import (powerlaw_sequence, create_degree_sequence)

deg_sequence = create_degree_sequence(num, powerlaw_sequence, exponent=2.2)
graph=nx.configuration_model(deg_sequence)

num_par = sum(len(graph[node][neigh]) for node in graph for neigh in graph.neighbors_iter(node)) // 2
print ('Graph has %d multi-links' %num_par)

self_loops=len(graph.selfloop_edges())
print ('Graph has %d self-loops' %self_loops)

edges=len(graph.edges())
print edges

我在互联网上的某个地方借了第六行代码，但坦率地说我不太明白它是如何工作的。特别是我无法理解它计算长度的是什么（graph [node] [neigh]）。对我而言，它似乎也不是一个列表，但我确信这不是我的想法。 顺便说一句，作为这个代码的结果，我获得了很高的多边缘百分比，超过链接总数的98％，这对我来说似乎不太好。 这种计算平行边的方法是否正确？如果是这样，你能解释一下它是如何工作的吗？你知道其他任何做法吗？

Answer 1

如果在for循环而不是list表达式中写出第6行，则会得到以下结果：

num_par = 0
for node in graph:
    for neigh in graph.neighbors(node):
        num_par += len(graph[node][neigh]) / 2.

我不确定那条线在计算什么;我确信它没有正确计算多边数。

如果您只是将图形绘制为数组（num = 100），您可以立即看到几乎没有多边：

arr = nx.to_numpy_matrix(graph)
plt.imshow(arr, interpolation='nearest', cmap='gray'); plt.show()

使用

可以轻松计算多边数

num_multiedges = np.sum(arr>=2) / 2 # divide by two as graph is undirected