Python NetworkX rich_club_coefficient用法及代码示例

返回图 G 的 rich-club 系数。

对于每个度数 k ，rich-club coefficient 是度数大于 k 的节点的实际边数与潜在边数之比：

其中 N_k 是度数大于 k 的节点数，E_k 是这些节点之间的边数。

参数：

G：NetworkX 图

既没有平行边也没有自环的无向图。

normalized：布尔(可选)

使用随机网络进行标准化，如 [1] 中所示

Q：浮点数(可选，默认=100)

如果 normalized 为 True，则执行 Q * m double-edge 交换，其中 m 是 G 中的边数，用作 null-model 进行标准化。

seed：整数、random_state 或无(默认)

随机数生成状态的指示符。请参阅随机性。

返回：

rc：字典

字典，以度为键，具有rich-club 系数值。

注意：

丰富的俱乐部定义和算法可以在[1]中找到。该算法忽略任何边权重，并且没有为有向图或具有平行边或自循环的图定义。

Q 的适当值的估计值可在 [2] 中找到。

参考：

1(1,2)

Julian J. McAuley, Luciano da Fontoura Costa, and Tibério S. Caetano, “The rich-club phenomenon across complex network hierarchies”, Applied Physics Letters Vol 91 Issue 8, August 2007. https://arxiv.org/abs/physics/0701290

2

R. Milo, N. Kashtan, S. Itzkovitz, M. E. J. Newman, U. Alon, “Uniform generation of random graphs with arbitrary degree sequences”, 2006. https://arxiv.org/abs/cond-mat/0312028

例子：

>>> G = nx.Graph([(0, 1), (0, 2), (1, 2), (1, 3), (1, 4), (4, 5)])
>>> rc = nx.rich_club_coefficient(G, normalized=False, seed=42)
>>> rc[0]
0.4