# Aria time: data:2024/3/29
import os
import igraph
import pandas as pd
import igraph as ig
from igraph import plot
import community as community_louvain
from community import modularity
import time
import warnings
warnings.filterwarnings('ignore')
import leidenalg as la
# 加载节点数据并收集所有节点ID
node_df = pd.read_excel(r"D:/19/network_data_2013.xlsx", sheet_name="node")
# 加载边数据
edge_df = pd.read_excel(r"D:/19/network_data_2013.xlsx", sheet_name="edge")
# 创建一个空图
g = ig.Graph(directed=False)
# 添加节点
g.add_vertices(node_df.shape[0])
# 设置节点属性
g.vs['id'] = node_df['Id']
g.vs['label'] = node_df['Label']
# 创建从节点ID到图索引的映射
id_to_index = {id: index for index, id in enumerate(g.vs['id'])}
# 构建边列表
edges = [(id_to_index[row['Source']], id_to_index[row['Target']]) for index, row in edge_df.iterrows() if row['Source'] in id_to_index and row['Target'] in id_to_index]
# 添加边
g.add_edges(edges)
# 设置边的权重
g.es['weight'] = edge_df['Weight'].tolist()
# 打印图的概述
print(g.summary())
print(g.degree(0)) # 检查id为0的节点的度
####——————————————二、基于leiden的模块度学习————————————————————————###
# 检测具有模块化的社区
partition = la.find_partition(g, la.ModularityVertexPartition)
print(partition)
# 假设你已经有了 leiden 分区的结果,并且 G 是一个 igraph.Graph 对象
modularity = partition.quality()
print(f"The network modularity using Leiden algorithm is: {modularity}")
#####——————————————————节点社区分布
# 创建一个新的DataFrame来存储节点Label及其模块化社区编号
node_community_df = pd.DataFrame({"Label": g.vs['label'], "Community": partition.membership})
# 输出节点Label及其所在社区的DataFrame
print(node_community_df.head())
【模块度计算】python中调用leidenalg包使用Leiden算法计算模块度社区发现
最新推荐文章于 2024-05-24 18:19:04 发布