社区

计算和测量社区结构的功能。

此类中的函数未导入顶级 networkx 命名空间。您可以通过导入 networkx.algorithms.community 模块,然后访问作为属性的函数 community . 例如::

>>> import networkx as nx
>>> from networkx.algorithms import community
>>> G = nx.barbell_graph(5, 1)
>>> communities_generator = community.girvan_newman(G)
>>> top_level_communities = next(communities_generator)
>>> next_level_communities = next(communities_generator)
>>> sorted(map(sorted, next_level_communities))
[[0, 1, 2, 3, 4], [5], [6, 7, 8, 9, 10]]

双分区

用于计算Kernighan–Lin二部算法的函数。

kernighan_lin_bisection (g) [, partition, ...] ) 使用Kernighan–Lin算法将图划分为两个块。

K集团

k_clique_communities (g,k) [, cliques] ) 利用渗透法在图中寻找K族群落。

基于模块化的社区

基于模块化的社区检测功能。

greedy_modularity_communities (g) [, weight] ) 使用Clauset Newman-Moore贪婪的模块化最大化在图中查找社区。

标签传播

标记传播社区检测算法。

asyn_lpa_communities (g) [, weight, seed] ) 返回社区 G 由异步标签传播检测到。
label_propagation_communities (g) 生成由标签传播确定的社区集

流动社区

用于社区检测的异步流体社区算法。

asyn_fluidc (g,k) [, max_iter, seed] ) 返回社区 G 由流体社区算法检测。

测量分区

测量分区质量的功能(进入社区)。

coverage \(G,分区) 返回分区的覆盖率。
performance \(G,分区) 返回分区的性能。

通过中心性度量划分

基于中心性概念的计算社区功能。

girvan_newman (g) [, most_valuable_edge] ) 使用girvan–newman方法在图中查找社区。

正在验证分区

社区查找算法的助手函数。

is_partition \(G,社区) 如果且仅当 communities 是的节点的分区 G .