Day02 图理论基础笔记2

图的性质

距离（distance） ：两点之间最短路径。

最短路径

无权图：一个顶点到另一个顶点所经过的边数最少的那条路径。

有权图：带权长度最短，所经过的边的权值之和为该路径的带权路径长度。

直径（diameter） ：所有节点对之间的最短路径的最大值。

子图（subgraph） ：节点集和边集分别是某一图的节点集的子集和边集的子集的图。

连通分量（connected component） ：无向图的极大连通子图。

连通图（connected graph） ：一个图只包含一个连通分量，即其自身 。

聚类系数（Clustering Coefficient）：邻域互连紧密度。

网络的聚类系数即平均聚类系数。

案例：求节点的集聚系数的平均值

average_clustering()

import matplotlib.pyplot as plt
import networkx as nx


# 绘制空手道俱乐部图
def draw_karate_club_graph():
    # 创建空手道俱乐部图
    G = nx.karate_club_graph()
    # 显示图的类型
    print(type(G))
    # 绘制图，并显示节点标签
    nx.draw(G, with_labels=True)
    plt.show()
    return G


def average_clustering_coefficient(G):
    # 计算图G的每个节点的聚类系数
    avg_cluster_coef = nx.average_clustering(G)
    # 保留两位小数
    avg_cluster_coef = round(avg_cluster_coef, 2)
    # 返回平均聚类系数
    return avg_cluster_coef


# 调用函数绘制空手道俱乐部图
G = draw_karate_club_graph()

# 计算并打印空手道俱乐部网络的平均度
avg_cluster_coef = average_clustering_coefficient(G)
print("空手道俱乐部网络平均聚类系数：{}".format(avg_cluster_coef))

<class 'networkx.classes.graph.Graph'>
空手道俱乐部网络平均聚类系数：0.57

接近中心性（closeness centrality）：该节点与图中所有其他节点之间的最短路径长度之和的倒数

案例：求接近中心度

import matplotlib.pyplot as plt
import networkx as nx


# 绘制空手道俱乐部图
def draw_karate_club_graph():
    # 创建空手道俱乐部图
    G = nx.karate_club_graph()
    # 绘制图，并显示节点标签
    nx.draw(G, with_labels=True)
    plt.show()
    return G


def closeness_centrality(G, node=5):
    path_length_total = 0
    for path in list(nx.single_source_shortest_path(G, node).values())[1:]:
        path_length_total += len(path) - 1

    closeness = 1 / path_length_total
    closeness = round(closeness, 2)

    return closeness


node = 5

# 调用函数绘制空手道俱乐部图
G = draw_karate_club_graph()
closeness = closeness_centrality(G, node=node)
print("接近中心度 {:.2f}".format(closeness))
closeness = nx.closeness_centrality(G, node)
print("接近中心度（归一）{:.2f}".format(closeness))

接近中心度 0.01
接近中心度（归一）0.38