Networkx统计推断

Question

我有一个有向加权图，我成功地使用networkx创建了它。

我试图在这个网络上做出一些统计推断，但我遇到了麻烦。下面是它们：

(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，而不是一个带整个网络平均程度的浮点数)

(ii)该网络的平均加权程度。(与上文相同)

(iii)网络的平均聚类系数。(我知道我必须使用nx.average_clustering(g)，但是如何考虑它是加权有向图这一事实？我一直收到错误: NetworkXError：(“聚类算法未定义”，“用于有向图”)。

谢谢!

Answer 1

(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，而不是一个带整个网络平均程度的浮点数)

假设您的图形对象是G。

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

计算平均值只是一个除以节点数的问题。

(ii)该网络的平均加权程度。(与上文相同)

获取所有节点的列表，为每个节点获取所有边的列表，每个节点的加权属性之和如下：

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)，但是如何考虑它是加权有向图这一事实？我一直收到错误: NetworkXError：(“聚类算法未定义”，“用于有向图”)。

关键是，在你定义它之前，它不是很好的定义。我认为，对于StackOverflow答案来说，这需要做的事情太多了，所以我给您留下了一个问题，就是为您的特定问题定义一个算法。

(iv)网络中最大最短路径长度。(我知道你找到了巨人= max(nx.connected_component_subgraphs(G)，key=len)这样的巨型分量，但是我们如何在其中得到最大最短路径长度？)

运行ipython之类的。输入giant.；您将得到一个使用giant可以做的事情的列表。

Answer 2

以下是一些更多的想法，以补充@马库斯-穆勒所写的内容。

对于平均程度(注意你的有向图，这是进出度之和)

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

在NetworkX中没有关于加权有向聚类的定义。有一些建议https://github.com/networkx/networkx/issues/859，但还没有人完成实施。

对于有向图，将最大连通分量的概念分解为两个定义。弱连通组件是在考虑图的无向版本(将每个有向边替换为无向边)时所连接的组件。强连接组件是指每一对节点都可以相互访问(有路径)的组件。

Answer 3

从Networkx2.5 (2021)开始，您可以使用networkx.info(G)获得图的平均度

代码：

print(nx.info(G))

输出：

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