生成复杂网络的方法

Question

我有一个小的图网络，我一直在寻找可以利用小网络的结构属性来生成复杂网络的方法。我想使用一种保留属性的方法，如度分布、聚类等。

幸运的是，我偶然看到了这篇article，它讨论了在网络扩展之后如何生成原始网络的副本。

例如，我生成了一个边权重的Networkx图，如下所示：(为了说明，创建了一个随机图)，

import random
import networkx as nx
import matplotlib.pyplot as plt
G = nx.gnm_random_graph(20, 30, seed=1)

for (u, v) in G.edges():
    G.edges[u, v]['weight'] = random.randint(0, 10)

nx.draw(G, with_labels=True)
plt.show()
print(G.edges(data=True))

这个图有20个节点。我想知道如何通过比例因子x从5到10来扩展这样的网络。示例将非常有用。

此外，在文档(https://github.com/networkit/networkit/blob/Dev/notebooks/User-Guide.ipynb)中提到，支持的图形数据格式是METIS邻接格式。我想知道networkx图是否必须转换为metis图。在Networkit中是否有直接使用Networkx图的选项？

Answer 1

您可以使用NetworKit中的nxadapter模块将图形从networkx转换为NetworKit，反之亦然。在您的代码中，这将按如下方式工作：

import networkit as nk
import random
import networkx as nx
import matplotlib.pyplot as plt
G = nx.gnm_random_graph(20, 30, seed=1)

for (u, v) in G.edges():
    G.edges[u, v]['weight'] = random.randint(0, 10)

nx.draw(G, with_labels=True)
plt.show()
print(G.edges(data=True))

# Networkx graph to NetworKit graph
G_nk = nk.nxadapter.nx2nk(G, weightAttr='weight')

要生成复杂的网络，您还可以考虑使用图形生成器here，您可以找到一些示例。