Python NetworkX average_neighbor_degree用法及代码示例

返回每个节点的邻域平均度。

节点i的平均邻域度为

其中 N(i) 是节点 i 的邻居，k_j 是属于 N(i) 的节点 j 的度数。对于加权图，可以定义类似的度量[1]，

其中s_i是节点i的加权度，w_{ij}是连接i和j的边的权重，N(i)是节点i的邻居。

参数：

G：NetworkX 图

source：字符串(“in”|”out”|”in+out”)

仅限有向图。使用 “in”- 或 “out”-degree 作为源节点。

target：字符串(“in”|”out”|”in+out”)

仅限有向图。使用“in”- 或“out”-degree 作为目标节点。

nodes：列表或可迭代，可选

计算指定节点的邻居度。默认为图中的所有节点。

weight：字符串或无，可选(默认=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: 字典

由具有平均邻居度值的节点键入的字典。

抛出：

NetworkXError

如果 source 或 target 不是 ‘in’, ‘out’ 之一，或“in+out”。如果为无向图传递了source 或target。

注意：

对于有向图，您还可以通过传递关键字参数来指定度数或out-degree。

参考：

1

A. Barrat, M. Barthélemy, R. Pastor-Satorras, and A. Vespignani, “The architecture of complex weighted networks”. PNAS 101 (11): 3747-3752 (2004).

例子：

>>> 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: 1.0, 2: 1.0, 3: 0.0}

>>> nx.average_neighbor_degree(G, source="out", target="out")
{0: 1.0, 1: 1.0, 2: 0.0, 3: 0.0}