Python NetworkX degree_assortativity_coefficient用法及代码示例

计算图的度数关联性。

分类性衡量图中连接相对于节点度的相似性。

参数：

G：NetworkX 图

x: string (‘in’,’out’)：

源节点的度数类型(仅限有向图)。

y: string (‘in’,’out’)：

目标节点的度数类型(仅限有向图)。

weight: string or None, optional (default=None)：

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。度数是与节点相邻的边权重的总和。

nodes: list or iterable (optional)：

仅计算容器中节点的度数分类性。默认为所有节点。

返回：

r：浮点数

图的分类度。

注意：

这计算了方程。 (21) 见参考文献。 [1] ，其中 e 是度数的联合概率分布(混合矩阵)。如果 G 有向，则矩阵 e 是源和目标的用户指定度类型的联合概率。

参考：

1

M. E. J. Newman, Mixing patterns in networks, Physical Review E, 67 026126, 2003

2

Foster, J.G., Foster, D.V., Grassberger, P. & Paczuski, M. Edge direction and the structure of networks, PNAS 107, 10815-20 (2010).

例子：

>>> G = nx.path_graph(4)
>>> r = nx.degree_assortativity_coefficient(G)
>>> print(f"{r:3.1f}")
-0.5