closeness_centrality#
- closeness_centrality(G, u=None, distance=None, wf_improved=True)[源代码]#
计算节点的紧密性中心性。
贴近中心性 [1] 一个节点的
u
是平均最短路径距离的倒数u
总而言之n-1
可访问的节点。\[c(u)=\frac n-1 \ sum v=1 ^ n-1 d(v,u),\]在哪里?
d(v, u)
是之间最短的路径距离v
和u
和n
是可以到达的节点数u
. 注意,closeness-distance函数计算传入距离u
对于有向图。要使用向外距离,请执行G.reverse()
.请注意,较高的接近度值表示较高的中心度。
Wasserman和Faust对具有多个连通分支的图提出了一个改进的公式。结果是“组中可到达的参与者的比例,与可到达的参与者的平均距离的比率” [2]. 你可能认为这个比例因子是反转的,但事实并非如此。按原样,来自较小组件的节点接收较小的贴近度值。出租
N
表示图中的节点数,\[c wf(u)=\frac n-1 n-1 \frac n-1 \ sum v=1 n-1 d(v,u),\]- 参数
- G图表
网络X图表
- u节点,可选
仅返回节点u的值
- distance边属性键,可选(默认值=无)
在最短路径计算中使用指定的边属性作为边距离
- wf_improved布尔值,可选(默认值=True)
如果为True,则按可访问的节点分数进行缩放。这给了瓦瑟曼和浮士德改进的公式。对于单分量图,它与原始公式相同。
- 返回
- nodes词典
以贴近中心度为值的节点字典。
参见
笔记
接近中心性归一化为
(n-1)/(|G|-1)
在哪里?n
是包含节点的图的连接部分中的节点数。如果图形没有完全连接,则该算法将根据每个连接的零件的尺寸分别计算出其紧密性中心性。如果将“距离”关键字设置为边属性键,则将使用dijkstra算法计算最短路径长度,该边属性作为边权重。
接近中心性使用 向内的 到节点的距离,而不是向外。如果要使用向外距离,请将函数应用于
G.reverse()
在Networkx2.2及更早版本中,一个bug导致Dijkstra的算法使用向外距离而不是向内距离。如果使用“距离”关键字和有向图,结果将在v2.2和v2.3之间更改。
工具书类
- 1
林顿·C·弗里曼:网络的中心性:I.概念澄清。《社交网络1:215-239》,1979。Https://doi.org/10.1016/0378-8733(78)90021-7
- 2
《社会网络分析:方法与应用》,Wasserman,S.与Faust,K.第201页,剑桥大学出版社,1994年。