02-igraph计算紧密中心度

Posted wcymiracle

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了02-igraph计算紧密中心度相关的知识,希望对你有一定的参考价值。

# coding: utf-8
import csv
from igraph import Graph as IGraph
#1.
path="net.data"
edges=[]#边长集合
with open(path,"r") as file:
    for row in csv.reader(file.read().splitlines()):
        print(row)#打印数据
        u,v=[i for i in row]
        edges.append((u,v))
print("------------------------------------------")
g=IGraph.TupleList(edges,
                   directed=False,#是否有向
                   vertex_name_attr="name",#点的名字
                   edge_attrs=None,#边长属性
                   weights=False)#权重-路径

for pdegree in g.vs:#统计
    print(pdegree["name"],pdegree.degree())#打印节点,左边名称右边度数
print("------------------------------------------")
print(str(g).splitlines())#打印信息
print("------------------------------------------")
#2.紧密中心度计算
paths=g.get_all_shortest_paths("7")#找到包含7的路径
cc=0
names=g.vs["name"]#代表顶点名称
for path in paths:#筛选所有包含7的
    print([names[x] for x  in path])
    cc+= (len(path)-1)#减一是减去自己到其他边
print(  "result:",float(len(paths)-1) / cc )
#紧密中心程度=(包含该顶点的所有边数-1)/(包含该顶点的所有路径)
#-1是因为减去自己

  技术图片

示例:

[‘7‘, ‘3‘, ‘1‘]  2
[‘7‘, ‘3‘, ‘2‘]  2
[‘7‘, ‘3‘]  1
[‘7‘]  0
[‘7‘, ‘6‘, ‘4‘]  2
[‘7‘, ‘6‘, ‘5‘]  2
[‘7‘, ‘6‘]  1
[‘7‘, ‘8‘]  1
[‘7‘, ‘8‘, ‘9‘]  2
[‘7‘, ‘8‘, ‘9‘, ‘10‘]  3
[‘7‘, ‘8‘, ‘9‘, ‘11‘]  3
[‘7‘, ‘8‘, ‘12‘]  2
[‘7‘, ‘8‘, ‘12‘, ‘13‘]  3
[‘7‘, ‘8‘, ‘12‘, ‘14‘]  3

紧密中心度=(2+2+1+0+2+2+1+1+2+3+3+2+3+3)/ (14-1)=0.48148148148148145

 

以上是关于02-igraph计算紧密中心度的主要内容,如果未能解决你的问题,请参考以下文章

7-36 社交网络图中结点的“重要性”计算 (30分)

R 网络图 nodes,edges属性计算

PTA 7-36 社交网络图中结点的“重要性”计算(图的BFS)

如何从TfidfVectorizer计算余弦相似度?

PTA 社交网络图中结点的“重要性”计算(30 分)

2022-01-15:中心对称数 III。 中心对称数是指一个数字在旋转了 180 度之后看起来依旧相同的数字(或者上下颠倒地看)。 写一个函数来计算范围在 [low, high] 之间中心对称数的个