复杂网络节点排序方法的评价-SIR传播曲线（Python）

最新推荐文章于 2022-10-10 08:54:44 发布

Morty Ma

最新推荐文章于 2022-10-10 08:54:44 发布

阅读量2.5k

点赞数 3

分类专栏：复杂网络

本文链接：https://blog.csdn.net/weixin_40935887/article/details/118726017

版权

该博客通过SIR模型分析网络中疾病传播的过程。利用Python的networkx库构建网络图，设置感染率和免疫率参数，计算不同方法下节点的SIR传播曲线。文章展示了如何从‘多方法排序.csv’文件获取Top-K节点并进行SIR模拟，最后绘制了不同方法下的SIR传播结果，用于比较各种排序方法对疾病传播的影响。

摘要由CSDN通过智能技术生成

1. SIR

https://blog.csdn.net/weixin_40935887/article/details/114690294#SIR_1

2. SIR传播曲线

import networkx as nx
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.pyplot import MultipleLocator

from SIR import SIR_network

# SIR参数设置
beta = 0.1  # 感染率
gamma = 0.5  # 免疫率
step = 20  # 迭代次数

markers = ['<', '>', '^', 'v', 'o', 's', 'D', '*', 'x', '+']  # plt marker大全

# 获得所需的top-k节点
def getTopK(methods, k):
    print('Top-' + str(k) + '节点生成中...')
    df = pd.DataFrame(columns=methods_name)  # 存储各个方法的top-k节点
    # 循环每一个方法
    for i in range(len(methods_name)):
        method = methods.iloc[:, i + 1]  # 方法列
        top_K = method.argsort()[::-1][0:k]  # top-k,此处为索引号&