effective_size#
- effective_size(G, nodes=None, weight=None)[源代码]#
返回图表中所有节点的有效大小
G
.这个 有效尺寸 节点的EGO网络是基于冗余的概念。一个人的自我网络具有冗余性,因为她的联系人也是相互连接的。一个人的关系中不多余的部分,它是她的自我网络的有效大小 [1]. 形式上,节点的有效大小 \(u\) ,表示为 \(e(u)\) ,由以下定义
\[e(u)=\sum{v\在N(u)\setminus\{u}}\]哪里 \(N(u)\) 是的邻居集 \(u\) 和 \(p_{{uw}}\) 是连接(有向或无向)边的归一化相互权重 \(u\) 和 \(v\) ,对于每个顶点 \(u\) 和 \(v\) [1]. 和 \(m_{{vw}}\) 是一种相互影响的权重 \(v\) 和 \(w\) 除以 \(v\) 与任何邻国的相互权重都是最高的。这个 互权重 的 \(u\) 和 \(v\) 是连接它们的边权重之和(如果图未加权,则假定边权重为1)。
对于无权无向图的情况,Borgatti提出了一个计算有效大小的简化公式 [2]
\[e(u)=n-\frac 2t n\]在哪里?
t
是自我网络中的联系数(不包括与自我的联系)和n
是节点数(不包括ego)。- 参数
- G网络X图表
包含以下内容的图表
v
。当计算的邻居时,有向图被视为无向图v
。- nodes容器,可选
图中节点的容器
G
来计算有效尺寸。如果没有,则计算每个节点的有效大小。- weight无或字符串,可选
如果没有,则所有边权重被视为相等。否则,保留用作权重的边属性的名称。
- 返回
- DICT
以Dictionary和节点的大小为有效值的Dictionary。
参见
笔记
Burt还定义了相关的概念 效率 节点的EGO网络的大小,即其有效大小除以该节点的度数 [1]. 因此,您可以轻松计算效率:
>>> G = nx.DiGraph() >>> G.add_edges_from([(0, 1), (0, 2), (1, 0), (2, 1)]) >>> esize = nx.effective_size(G) >>> efficiency = {n: v / G.degree(n) for n, v in esize.items()}
工具书类
- 1(1,2,3)
Burt,Ronald S. 结构洞:竞争的社会结构。 剑桥:哈佛大学出版社,1995年。
- 2
Borgatti,S.“结构孔:拆包Burt的冗余措施”连接20(1):35-38。网址:http://www.analytictech.com/connections/v20(1)/holes.htm