复杂网络中的模体motif（python模体检测和随机网络生成）

夏尔之光

已于 2022-08-21 00:09:25 修改

阅读量2.5k

点赞数 3

文章标签： python 开发语言数据分析网络

于 2022-08-18 01:36:12 首次发布

本文链接：https://blog.csdn.net/qq_30116667/article/details/126377446

版权

关于复杂网络中模体研究的python实践

模体定义

“在复杂网络中发现的某种相互连接的模式个数显著高于随机网络”。所谓互相连接的模式，在三个节点组成的有向图，一共有如下 13 种可能，其中每一种，如果在网络中出现的概率比随机网络中明显高一截，就可以看成是一个模体。模体相关的研究，又被称为基元，具体可参考《复杂网络基元研究方法及应用》这本书。
参考知乎文章，链接: https://zhuanlan.zhihu.com/p/138822532
请添加图片描述
*请注意图中的序列不能重复计算。比如9包含2，但是在计算网络中模体2时，9不能算作是三个2组成的。

模体的检测方式

import networkx as nx
import igraph
import pandas as pd
import numpy as np
import itertools
import matplotlib.pyplot as plt
#import public_motif as motif

M8 = [[0, 1], [1,2]]
Net = [[1,4],[0,2],[2,1],[1,0]] 
graph_igraph = igraph.Graph(Net, directed=True)
motif_igraph = igraph.Graph(M8, directed=True)
#下面的函数是判断graph_igraph中是否含有和moti