无论是实际网络还是对模型网络进行分析,都离不开对网络拓扑统计指标的计算。反映网络结构与动力学特性的统计指标有很多,Costa等的Characterization of Complex Networks: A Survey of measurements一文对此有全面的综述,本文仅介绍一些常用的统计指标在NetworkX中如何计算。一、度、度分布NetworkX可以用来统计图中每个节点的度,并生成度分布序列。下边是一段示例代码(这段代码可以在Shell里一行一行的输入,也可以将其保存为一个以py结尾的纯文本文件后直接运行),注意看注释部分:import networkx as nxG = nx.random_graphs.barabasi_albert_graph(1000,3)   #生成一个n=1000,m=3的BA无标度网络print G.degree(0)                                   #返回某个节点的度print G.degree()                                     #返回所有节点的度print nx.degree_histogram(G)    #返回图中所有节点的度分布序列(从1至最大度的出现频次)对上述结果稍作处理,就可以在Origin等软件里绘制度分布曲线了,当然也可以用matplotlib直接作图,在上述代码后接着输入:import matplotlib.pyplot as plt                 #导入科学绘图的matplotlib包degree =  nx.degree_histogram(G)          #返回图中所有节点的度分布序列x = range(len(degree))                             #生成x轴序列,从1到最大度y = [z / float(sum(degree)) for z in degree]#将频次转换为频率,这用到Python的一个小技巧:列表内涵,Python的确很方便:)plt.loglog(x,y,color="blue",linewidth=2)           #在双对数坐标轴上绘制度分布曲线plt.show()                                                          #显示图表二、群聚系数这个在NetworkX里实现起来很简单,只需要调用方法nx.average_clustering(G) 就可以完成平均群聚系数的计算,而调用nx.clustering(G) 则可以计算各个节点的群聚系数。三、直径和平均距离nx.diameter(G)返回图G的直径(最长最短路径的长度),而nx.average_shortest_path_length(G)则返回图G所有节点间平均最短路径长度。四、匹配性这个也比较简单,调用 nx.degree_assortativity(G) 方法可以计算一个图的度匹配性。五、中心性这个我大部分不知道怎么翻译,直接上NX的帮助文档吧,需要计算哪方面的centrality自己从里边找:)Degree centrality measures.(点度中心性?)degree_centrality(G)     Compute the degree centrality for nodes.in_degree_centrality(G)     Compute the in-degree centrality for nodes.out_degree_centrality(G)     Compute the out-degree centrality for nodes.Closeness centrality measures.(紧密中心性?)closeness_centrality(G[, v, weighted_edges])     Compute closeness centrality for nodes.Betweenness centrality measures.(介数中心性?)betweenness_centrality(G[, normalized, ...])     Compute betweenness centrality for nodes.edge_betweenness_centrality(G[, normalized, ...])     Compute betweenness centrality for edges.Current-flow closeness centrality measures.(流紧密中心性?)current_flow_closeness_centrality(G[, ...])     Compute current-flow closeness centrality for nodes.Current-Flow BetweennessCurrent-flow betweenness centrality measures.(流介数中心性?)current_flow_betweenness_centrality(G[, ...])     Compute current-flow betweenness centrality for nodes.edge_current_flow_betweenness_centrality(G)     Compute current-flow betweenness centrality for edges.Eigenvector centrality.(特征向量中心性?)eigenvector_centrality(G[, max_iter, tol, ...])     Compute the eigenvector centrality for the graph G.eigenvector_centrality_numpy(G)     Compute the eigenvector centrality for the graph G.Load centrality.(彻底晕菜~~~)load_centrality(G[, v, cutoff, normalized, ...])     Compute load centrality for nodes.edge_load(G[, nodes, cutoff])     Compute edge load.六、小结上边介绍的统计指标只是NetworkX能计算的指标中的一小部分内容,除此之外NetworkX还提供了很多(我还没有用到过的)统计指标计算方法,感兴趣的朋友可以去查NetworkX的在线帮助文档:http://networkx.lanl.gov/reference/index.html。对于加权图的统计指标计算,NetworkX似乎没有直接提供方法(也可能是我没找到),估计需要自己动手编制一些程序来完成。

networkx 中心势计算_科学网—复杂网络分析库NetworkX学习笔记(2):统计指标计算 - 闫小勇的博文...相关推荐

  1. matlab mic系数_科学网—最大信息系数 (Maximal Information Coefficient, MIC)详解(1) - 彭勇的博文...

    最大信息系数 (Maximal Information Coefficient, MIC)详解(1) 四年前看过的一篇论文,当时还在组会上报告过,很确信当时把它弄懂了,由于当时是用机器学习的方法来做预 ...

  2. python月球地球质量计算_科学网—天文计算PyEphem指南 - 张金龙的博文

    PyEphem (http://rhodesmill.org/pyephem/tutorial.html)(github, Pypi)是Python下的一个软件包,计算准确度很高,可用来计算不同坐标系 ...

  3. 为什么方差公式要用平方而不用绝对值_科学网—最小二乘法?为神马不是差的绝对值 - 于淼的博文...

    最近搞了点机器学习的东西,因为0基础所以老老实实上了斯坦福的公开课,这期间解决了我一直想不清楚的一个问题:最小二乘法的统计学解释. 当我们遇到一个原理的时候,实用主义者会认为可以应用就可以了,但总有些 ...

  4. python 面板数据分析_科学网—Python中的结构化数据分析利器-Pandas简介 - 郑俊娟的博文...

    此文转载于XXXXXX处... Pandas是python的一个数据分析包,最初由AQR Capital Management于2008年4月开发,并于2009年底开源出来,目前由专注于Python数 ...

  5. rsem比对_科学网—FPKM, RPKM, RPM以及TPM的关系之见解 - 江纯阶的博文

    FPKM,RPKM,RPM以及TPM的关系之见解 RPKM: Reads Per Kilobase of exon model per Million mapped reads (每千个碱基的转录每百 ...

  6. python序列_科学网—Python:序列(字符串、列表、元组)和序列函数 - 刘洋洋的博文...

    Python中的序列,包括字符串(String).列表(List).元组(Tuple). 序列的索引 通过索引(index)访问及获得的序列的一个或多个元素,也叫切片. 正序: 0 到 N-1 倒序: ...

  7. 探测器反向偏压_科学网—《涨知识啦22》---MSM型光电探测器 - 寇建权的博文

    此前,小赛给大家简单普及了金属与半导体之间的两种接触类型:欧姆接触与肖特基接触,二者也凭借各自的优势被研究人员充分应用.本周小赛给大家主要介绍的是基于肖特基接触类型的MSM型光电探测器的基本原理. 众 ...

  8. pg数据库json数据类型_科学网—如何使用PostgreSQL中的JSONB数据类型(PG JSON系列2) - 孙鹏的博文...

    上一篇 使用PostgreSQL中的row_to_json()直接获得JSON(PG JSON系列1)主要针对现有的非json/jsonb类型如何输出json结果,这一篇主要写一下在数据库设计中直接使 ...

  9. latex 中表格怎么指定编号_科学网—latex中简单表格制作+标题+编号+固定位置 - 江亿平的博文...

    Type one: %%%%%%%%%%简单表格%%%%%%%%%% begin{tabular}{|c|c|} hline a & b \hline c & d\ hline end ...

最新文章

  1. 基本ACL与高级ACL
  2. php委托模式,PHP设计模式 - 委托模式
  3. 超适合新手的基础Linux命令
  4. 如何循序渐进有效学习 JavaScript?
  5. c++和python先学哪个?
  6. 90.bower解决js的依赖管理
  7. leetcode - 1223. 掷骰子模拟
  8. java consul服务发现_分布式项目(七)consul 服务注册与发现
  9. 锅巴文件共享软件地址和说明
  10. 用c语言计算星期,计算任何一天是星期几的C语言源代码.
  11. Jolt大奖获奖图书
  12. Java 设计模式 之 工厂方法模式、抽象工厂模式
  13. mac地址是由多少个bit组成_IPv6系列-详解自动分配IPv6地址
  14. 用matlab求三次方程根,三次方程的根式求解(通俗版本)
  15. 火狐浏览器设置默认缩放比例
  16. MATLAB绘制三维曲面图和等高线 绘图(2)
  17. 在算力“沃土”上,种植互联网下一个奇迹十年
  18. mongdb compass 可视化工具的使用
  19. css3自定义字体实现毛体输出沁园春雪以及font属性
  20. day03 Docker基本使用

热门文章

  1. 10-9-用户登录控制
  2. oracle blob查重,如何解决oracle blob字段 的乱码问题
  3. IWorkbook 引入_如果引入国内,你会买单吗?日产全新小型SUV亮相|小型suv|日产|轩逸|新车|本田|丰田...
  4. js list 合并_VIM学习笔记 脚本-列表(Script-List)
  5. delphi switch语句例子_「GCTT 出品」Go 系列教程——10. switch 语句
  6. js点击按钮改变字体大小并给他颜色_如何在Elementor中修改文本的字体、大小、颜色、样式...
  7. python需要配置环境变量吗_w10版本python怎样设置环境变量
  8. 设计灵感|时尚潮流品牌如何通过网页设计呈现
  9. UI设计实用素材|闪屏模板
  10. 财务金融类网页及app界面设计模板