在networkx中，计算单个节点集中度的最佳方法是什么？
我能够计算出图G中所有节点的程度、度、贴近度、特征向量等不同类型的中心度。例如，此代码计算图G中所有包含的节点之间的中心性
import networkx as nx
# build up a graph
G = nx.Graph()
G.add_nodes_from(['A', 'B', 'C', 'D', 'E'])
G.add_edges_from([('A', 'B'), ('B','C'), ('C', 'D'), ('D', 'E')])
bw_centrality = nx.betweenness_centrality(G, normalized=True)
print (bw_centrality)对于大型网络来说，计算一些集中度是非常耗时的，例如介于之间和接近之间。因此，我只想计算的中心性，它只是节点的一个子集，而不是计算所有节点的中心性。在上面的示例中，如何通过Networkx库在Python中计算节点A的中间度
回答 2
Stack Overflow用户
发布于 2021-11-01 09:50:50
在图中，我找到了一个计算单个节点的封闭中心性的解决方案。但是，由于两者之间的关系，我一直未能找到解决办法。让我们计算一个节点在图中的紧密性中心性。下面是如何计算所有节点的紧密性:将networkx导入为nx
# build up a graph
G = nx.Graph()
G.add_nodes_from(['A', 'B', 'C', 'D', 'E'])
G.add_edges_from([('A', 'B'), ('B','C'), ('C', 'D'), ('D', 'E')])
cc_centrality = nx.closeness_centrality(G)
print (cc_centrality )因此，上述代码产生以下结果：
{'A': 0.4, 'B': 0.5714285714285714, 'C': 0.6666666666666666, 'D': 0.5714285714285714, 'E': 0.4}在下一步中，我们将分别计算节点A的贴近度。根据Neworkx的源代码，紧密性中心性有以下含义：
closeness_centrality(G, u=None, distance=None, wf_improved=True)图G显示了定义的图，u表示--您想要分别确定其紧密性的节点--。要计算节点A的贴近度，请执行以下步骤：
nx.closeness_centrality(G, u='A')结果等于0.4。同样，nx.closeness_centrality(G, u='B')为您提供了0.5714285714285714。
Stack Overflow用户
发布于 2021-11-01 10:09:18
Networkx引入了一种新的中心性形式，称为组中心性，它计算一组节点的中心性。为了说明，如果要计算Networkx中3个节点的中心性，引入的功能将计算这3个节点的所需中心度，并给出一个数字(仅一个数字)，指示3个节点的合并集中度。为了计算节点的中心性，应该将其视为一个组。因此，它的中心性可以单独计算。基于上述问题，我们可以计算出所有节点之间的中心度如下：
G = nx.Graph()
G.add_nodes_from(['A', 'B', 'C', 'D', 'E'])
G.add_edges_from([('A', 'B'), ('B','C'), ('C', 'D'), ('D', 'E')])
bw_centrality = nx.betweenness_centrality(G, normalized=True)
print (bw_centrality)上面的代码产生了以下结果：
{'A': 0.0, 'B': 0.5, 'C': 0.6666666666666666, 'D': 0.5, 'E': 0.0}现在，我们使用组中心性特性来计算节点C的中心性，如下所示：
nx.group_betweenness_centrality(G, ['C'])计算节点betweenness C的结果等于0.6666666666666666。有关更多信息，请访问以下链接：https://networkx.org/documentation/stable/reference/algorithms/centrality.html
https://stackoverflow.com/questions/69794349
复制相似问题
腾讯云开发者
