random_clustered_graph

random_clustered_graph(joint_degree_sequence, create_using=None, seed=None)

生成一个具有给定关节独立边度和三角形度序列的随机图。

这使用类似配置模型的方法，通过随机分配边来匹配给定的关节度序列来生成随机图（具有平行边和自循环）。

联度序列是形式为的整数对的列表 \([(d_{{1,i}}, d_{{1,t}}), \dotsc, (d_{{n,i}}, d_{{n,t}})]\) 。根据这个列表，顶点 \(u\) 是一名成员 \(d_{{u,t}}\) 三角形和哈希数 \(d_{{u, i}}\) 其他边。数字 \(d_{{u,t}}\) 是不是 三角度 的 \(u\) 以及电话号码 \(d_{{u,i}}\) 是不是 独立边度 。

参数

joint_degree_sequence整数对列表

每个列表条目对应于节点的独立边度和三角度。

create_usingNetworkX图形构造函数，可选(默认多图形)

要创建的图表类型。如果是图表实例，则在填充之前清除。

seed整数、随机状态或无（默认）

随机数生成状态的指示器。见 Randomness .

返回

GMultiGraph

具有指定度序列的图。节点从0开始使用与deg_equence中的位置相对应的索引进行标记。

加薪

NetworkXError

如果独立的边度序列和不是偶数，或者三角形度序列和不能被3整除。

笔记

正如米勒所描述的那样 [1] (另见纽曼 [2] 以获取等效描述)。

由于此函数返回具有自循环和平行边的图，因此允许使用非图形度序列（某些简单图无法实现）。如果独立度序列没有偶数和或三角形度序列和不能被3整除，则会引发异常。

这种配置模型（如构造过程）会导致重复的边和循环。您可以删除自循环和平行边（见下文），这可能导致图形没有指定确切的度数序列。这种“有限尺寸效应”随着图形尺寸的增大而减小。

工具书类

1

乔尔·C·米勒。”随机聚集网络中的渗透和流行病”。在：物理审查。统计、非线性和软物质物理80（2第1部分，2009年8月）。

2

M.E.J.纽曼。”带有聚类的随机图”。在：物理评论信103（2009年7月5日）

实例

>>> deg = [(1, 0), (1, 0), (1, 0), (2, 0), (1, 0), (2, 1), (0, 1), (0, 1)]
>>> G = nx.random_clustered_graph(deg)

要删除平行边，请执行以下操作：

>>> G = nx.Graph(G)

要删除自循环：

>>> G.remove_edges_from(nx.selfloop_edges(G))