【图论】计算图的n-hop邻居个数，并绘制频率分布直方图

最新推荐文章于 2024-05-06 13:31:41 发布

Dream of Grass

最新推荐文章于 2024-05-06 13:31:41 发布

阅读量1.3k

点赞数 7

分类专栏：图神经网络小技巧每日一图文章标签：图论 python seaborn

本文链接：https://blog.csdn.net/dream_of_grass/article/details/136714669

版权

本文介绍了如何在NetworkX库中计算图中每个节点的n-hop邻居数量，通过单源最短路径算法实现，并展示了如何将结果绘制成频率分布直方图，以展示不同n-hop层次的节点数量分布。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

计算图的n-hop邻居个数，并绘制频率分布直方图

在图论中，n-hop邻居（或称为K-hop邻居）是指从某个顶点出发，通过最短路径（即最少的边数）可以到达的所有顶点的集合，其中n（或K）是这个最短路径的长度。换句话说，n-hop邻居就是在图中，从一个顶点出发，经过n步可以到达的所有顶点。

举个日常生活中的例子，我们的朋友是我们的1-hop邻居，我们的朋友的朋友是我们的2-hop邻居，以此类推。如果我们想找到所有与我们最多只有三层朋友关系的人（包括我们的朋友、我们的朋友的朋友、以及我们的朋友的朋友的朋友），那么这些人就是我们的3-hop邻居。

在下图中对于中间的红色节点，玫红色的就是1-hop邻居，橙色2，粉色3。

Gaudelet, T. et al. Utilizing graph machine learning within drug discovery and development. doi:10.1093/bib/bbab159.

由定义我们可以知道，只要找到某个节点通过最短路径为n的边就可以找到它的n-hop邻居了，那么我们就可以用nx.single_source_shortest_path_length。

代码如下：

import networkx as nx
def n_hop_neighbors(G, n_hop):
    """
    Calculate n-hop neighbors for each node in the graph.
    """
    n_hop_counts = {