【Python】networkx关于网络分析的几个指标

最新推荐文章于 2025-02-16 13:20:13 发布

兔子爱读书

最新推荐文章于 2025-02-16 13:20:13 发布

阅读量1.7w

点赞数 16

分类专栏： Python编程手册

未经许可禁止转载！

本文链接：https://blog.csdn.net/ztf312/article/details/107711916

版权

本文介绍了Python的networkx库在网络分析中常用的几个关键指标，包括节点的度、图的密度、聚类系数、度中心性、距离中心性和介数中心性，以及传递性、直径和平均最短路径长度。这些指标有助于理解网络结构和节点的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

（1）读取网络

def load_graph(file_path):
    with open(file_path, "r") as fd:
        data = fd.readlines()
    # 分离出标题和数据行，如果没有标题，用#号注释掉下面这两行）
    title = data[0]
    data = data[1:]
    # 从数据中提取边，建立一个空的有向图G
    edges = [it.strip().strip(",").split(",")[:2] for it in data]
    G = nx.DiGraph()
    G.add_edges_from(edges)
    return G

（2）各种指标

nx.degree(G)           # 计算节点的度。

计算图的密度，其值为边数m除以图中可能边数（即n(n-1)/2）

nx.clustering(G)    # 网络节点的聚类系数。计算公式为：节点u的两个邻居节点间的边数除以((d(u)(d(u)-1)/2)。

nx.degree_centrality(G)   # 节点度中心系数。通过节点的度表示节点在图中的重要性，默认情况下会进行归一化，其值表达为节点度d(u)除以n-1（其中n-1就是归一化使用的常量）。这里由于可能存在循环，所以该值可能大于1.

nx.closeness_centrality(G)    # 节点距离中心系数。通过距离来表示节点在图中的重要性，一般是指节点到其他节点的平均路径的倒数，这里还乘以了n