当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python NetworkX generic_weighted_projected_graph用法及代码示例


本文简要介绍 networkx.algorithms.bipartite.projection.generic_weighted_projected_graph 的用法。

用法:

generic_weighted_projected_graph(B, nodes, weight_function=None)

具有用户指定权重函数的 B 的加权投影。

二分网络 B 被投影到指定的节点上,权重由用户指定的函数计算。此函数必须接受两个节点的邻域集作为参数并返回整数或浮点数。

如果节点与原始图中的公共节点有边,则节点保留其属性并在结果图中连接。

参数

BNetworkX 图

输入图应该是二分图。

nodes列表或可迭代

要投影到的节点(“bottom” 节点)。

weight_function函数

此函数必须接受与此函数相同的输入图和两个节点作为参数;并返回一个整数或浮点数。默认函数计算共享邻居的数量。

返回

GraphNetworkX 图

投影到给定节点上的图。

注意

没有尝试验证输入图 B 是否为二分图。图和节点属性(浅)复制到投影图。

有关如何在 NetworkX 中处理二分图的更多详细信息,请参阅 bipartite documentation

例子

>>> from networkx.algorithms import bipartite
>>> # Define some custom weight functions
>>> def jaccard(G, u, v):
...     unbrs = set(G[u])
...     vnbrs = set(G[v])
...     return float(len(unbrs & vnbrs)) / len(unbrs | vnbrs)
...
>>> def my_weight(G, u, v, weight="weight"):
...     w = 0
...     for nbr in set(G[u]) & set(G[v]):
...         w += G[u][nbr].get(weight, 1) + G[v][nbr].get(weight, 1)
...     return w
...
>>> # A complete bipartite graph with 4 nodes and 4 edges
>>> B = nx.complete_bipartite_graph(2, 2)
>>> # Add some arbitrary weight to the edges
>>> for i, (u, v) in enumerate(B.edges()):
...     B.edges[u, v]["weight"] = i + 1
...
>>> for edge in B.edges(data=True):
...     print(edge)
...
(0, 2, {'weight': 1})
(0, 3, {'weight': 2})
(1, 2, {'weight': 3})
(1, 3, {'weight': 4})
>>> # By default, the weight is the number of shared neighbors
>>> G = bipartite.generic_weighted_projected_graph(B, [0, 1])
>>> print(list(G.edges(data=True)))
[(0, 1, {'weight': 2})]
>>> # To specify a custom weight function use the weight_function parameter
>>> G = bipartite.generic_weighted_projected_graph(
...     B, [0, 1], weight_function=jaccard
... )
>>> print(list(G.edges(data=True)))
[(0, 1, {'weight': 1.0})]
>>> G = bipartite.generic_weighted_projected_graph(
...     B, [0, 1], weight_function=my_weight
... )
>>> print(list(G.edges(data=True)))
[(0, 1, {'weight': 10})]

相关用法


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.projection.generic_weighted_projected_graph。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。