【复杂网络学习笔记】4：验证无标度网络的幂律分布特性

无标度网络具有形似马太效应的分布特性，并且它的度分布的统计特性呈现幂律分布，直接上老师PPT：

现在要去验证这个特性。从上图可以看出，这样的幂律分布经过两边取对数后，可以在对数坐标系下近似成一个直线的形式。实际上不需要这样一张对数坐标纸，只要将统计好的<度数:该度的节点数>均取同底的对数(我取的是自然对数)，也就是logf(x)和logx，再作为纵坐标和横坐标放在坐标系中就可以寻求回归直线了。

在这个工作中，因为我关心的是节点的度，为了方便，不需要去使用之前建立的无标度网络，而只要去模拟这个无标度增长过程，每次只记录度的变化即可。要注意这个模拟中容易出错的几点：

①在增长时每选定一个点都要判定它是否是选过的(一个新的点不能连之前的某个点超过一次)，防止重复连接

②注意维护总的度数，一开始为最近邻网络的度之和；每次增加一个点和之前的k个点相连后，度总数都要加上2k；被连接的节点自己的度要加1；新增的节点度为k

③为了避免取对数过程对原始数据造成的影响，对于那些取对数后某坐标为0(实际上是小得没法表示)的点，主动地割舍它

 

*无标度度分布的模拟与统计

 

import random
import math
List_wbd=[4 for i in range(10)]#记录无标度网络每个点的度数，初始化后为10个点4最近邻
Int_sum=40#存储当前总度数

for j in range(10,20000):#对于后面的点，前面已经有j个点
    List_n=[]#记录这次连的三个点是哪三个，防止重复连接
    
    while len(List_n)<3:#List_n长度未达到3说明三个点还没有找完
        Int_which=random.randint(1,Int_sum)#选择一个在度总数范围内的随机数
        n=0#用来数这个数字落在哪个点上
        for i in range(j):#对于前面的每个点
            n+=List_wbd[i]#把对应点的度数每次加到n上
            if n>Int_which:#直到超过那个数字
                break#找到就退出循环
        if i not in List_n:#如果List_n里没有它，就加进去
            List_n.append(i)

    for i in List_n:#把里面存的每个下标对应的节点度数+1
        List_wbd[i]+=1
    List_wbd.append(3)#新增的点连了三个之前的点，度数一定为3
    Int_sum+=6#维护总度数

Dick_k={}#用一个字典来存放 度数：对应的节点数目
for i in List_wbd:
    if i not in Dick_k:
        Dick_k[i]=1
    else:
        Dick_k[i]+=1


'''f=open('show.txt','w')
try:
    f.write("每个节点的度数如下表：")
    f.write(str(List_wbd))
    f.write("度数的统计如下：度数：对应的节点数目")
    f.write(str(Dick_k))
finally:#用try-finally保证执行完write后执行close()
    f.close()

#未取对数的数据
f=open('old.txt','w')
try:
    for x in Dick_k:
            f.write(str(x)+' '+str(Dick_k[x])+'\n')
finally:
    f.close()'''

#取了对数的数据
f=open('result.txt','w')
try:
    for x in Dick_k:
        y=math.log(Dick_k[x])
        logx=math.log(x)
        if y!=0 and logx!=0:
            f.write(str(logx)+' '+str(y)+'\n')
#        print(x,y)
finally:
    f.close()
    print ('程序执行完毕，可以查看文件了')#提示程序已经执行完毕          

 

 

运行后要等待一分钟左右，待输出提示表示程序执行完毕后，在文件result.txt中就存好了logf(x) x无序对(因为是用字典做的)。

将它导入到WPS中，做散点图，并在散点图上做回归分析，显示它的回归直线方程即可

可以看到-γ=-2.6096，符合理论上的预期。测试多次，增加测试数据的范围，发现这个值比较稳定。