本文简要介绍
networkx.algorithms.bipartite.cluster.latapy_clustering
的用法。用法:
latapy_clustering(G, nodes=None, mode='dot')
计算节点的二分聚类系数。
二方聚类系数是局部连接密度的度量,定义为 [1]:
其中
N(N(u))
是G
中u
的二阶邻居,不包括u
,c_{uv}
是节点u
和v
之间的成对聚类系数。模式选择
c_{uv}
的函数,可以是:dot
:min
:max
:- G:图形
二分图
- nodes:列表或可迭代(可选)
计算这些节点的二分聚类。默认为 G 中的所有节点。
- mode:string
计算中使用的对偶二分聚类方法。它必须是“dot”, “max”或“min”。
- clustering:字典
由具有聚类系数值的节点键入的字典。
参数:
返回:
参考:
- 1
Latapy, Matthieu, Clémence Magnien, and Nathalie Del Vecchio (2008). Basic notions for the analysis of large two-mode networks. Social Networks 30(1), 31-48.
例子:
>>> from networkx.algorithms import bipartite >>> G = nx.path_graph(4) # path graphs are bipartite >>> c = bipartite.clustering(G) >>> c[0] 0.5 >>> c = bipartite.clustering(G, mode="min") >>> c[0] 1.0
相关用法
- Python NetworkX local_and_global_consistency用法及代码示例
- Python NetworkX local_node_connectivity用法及代码示例
- Python NetworkX louvain_communities用法及代码示例
- Python NetworkX local_bridges用法及代码示例
- Python NetworkX lexicographical_topological_sort用法及代码示例
- Python NetworkX line_graph用法及代码示例
- Python NetworkX local_edge_connectivity用法及代码示例
- Python NetworkX local_reaching_centrality用法及代码示例
- Python NetworkX lexicographic_product用法及代码示例
- Python NetworkX negative_edge_cycle用法及代码示例
- Python NetworkX voronoi_cells用法及代码示例
- Python NetworkX numerical_edge_match用法及代码示例
- Python NetworkX inverse_line_graph用法及代码示例
- Python NetworkX LFR_benchmark_graph用法及代码示例
- Python NetworkX write_graph6用法及代码示例
- Python NetworkX DiGraph.__contains__用法及代码示例
- Python NetworkX average_degree_connectivity用法及代码示例
- Python NetworkX eulerian_circuit用法及代码示例
- Python NetworkX single_source_dijkstra_path_length用法及代码示例
- Python NetworkX from_dict_of_dicts用法及代码示例
- Python NetworkX weisfeiler_lehman_subgraph_hashes用法及代码示例
- Python NetworkX transitive_closure_dag用法及代码示例
- Python NetworkX intersection用法及代码示例
- Python NetworkX MultiGraph.size用法及代码示例
- Python NetworkX Graph.size用法及代码示例
注:本文由纯净天空筛选整理自networkx.org大神的英文原创作品 networkx.algorithms.bipartite.cluster.latapy_clustering。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。