average_neighbor_degree#
- average_neighbor_degree(G, source='out', target='out', nodes=None, weight=None)[源代码]#
返回每个节点的邻域的平均度数。
在无向图中,邻居
N(i)
个节点i
包含连接到的节点i
领先一步。对于有向图,
N(i)
根据参数定义source
:如果来源为‘in’,则
N(i)
由节点的前置节点组成i
。如果源为‘out’,则
N(i)
由节点的后继节点组成i
。如果来源为‘In+Out’,则
N(i)
既是前辈,也是后继者。
节点的平均邻域度
i
是\[k n n,i=\frac 1 n(i)\ sum j \ i n n(i)k u j\]哪里
N(i)
是节点的邻居吗i
和k_j
是节点的度数j
它属于哪一个N(i)
。对于加权图,可以定义类似的度量 [1],\[k n n,i n(i)w i j k u j\]在哪里?
s_i
是节点的加权程度i
,w_{{ij}}
是连接边缘的重量i
和j
和N(i)
是节点的邻居i
.- 参数
- G网络X图表
- source字符串(“in”|“out”|“in+out”),可选(默认为“out”)
仅限有向图。使用“in”或“out”-源节点的邻居。
- target字符串(“in”|“out”|“in+out”),可选(默认为“out”)
仅限有向图。对目标节点使用“in”或“out”度。
- nodes列表或可迭代,可选(默认为G.Nodes)
仅计算指定节点的邻居度数。
- weight字符串或无,可选(默认值=无)
保存用作权重的数值的边属性。如果没有,则每条边的权重为1。
- 返回
- D:DICT
以节点为关键字的字典,以其相邻节点的平均程度为关键字。
- 加薪
- NetworkXError
如果有任何一个
source
或target
不是‘in’、‘out’或‘in+out’之一。如果有任何一个source
或target
是为无向图传递的。
工具书类
- 1
A.Barrat、M.Barth_Lemy、R.Pastor Satorras和A.Vespignani,“复杂加权网络的架构”。PNAS 101(11):3747–3752(2004年)。
实例
>>> G = nx.path_graph(4) >>> G.edges[0, 1]["weight"] = 5 >>> G.edges[2, 3]["weight"] = 3
>>> nx.average_neighbor_degree(G) {0: 2.0, 1: 1.5, 2: 1.5, 3: 2.0} >>> nx.average_neighbor_degree(G, weight="weight") {0: 2.0, 1: 1.1666666666666667, 2: 1.25, 3: 2.0}
>>> G = nx.DiGraph() >>> nx.add_path(G, [0, 1, 2, 3]) >>> nx.average_neighbor_degree(G, source="in", target="in") {0: 0.0, 1: 0.0, 2: 1.0, 3: 1.0}
>>> nx.average_neighbor_degree(G, source="out", target="out") {0: 1.0, 1: 1.0, 2: 0.0, 3: 0.0}