Python NetworkX gaussian_random_partition_graph用法及代码示例

生成高斯随机分区图。

高斯随机分区图是通过创建 k 个分区来创建的，每个分区的大小取自均值 s 和方差 s/v 的正态分布。节点在集群内以概率 p_in 连接，在集群之间以概率 p_out[1] 连接

参数：

n：int

图中的节点数

s：浮点数

平均簇大小

v：浮点数

形状参数。簇大小分布的方差为 s/v。

p_in：浮点数

集群内连接的概率。

p_out：浮点数

集群间连接的概率。

directed：布尔值，可选默认值=False

是否创建有向图

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：

G：NetworkX 图表或DiGraph

高斯随机分区图

抛出：

NetworkXError

如果 s > n 如果 p_in 或 p_out 不在 [0,1] 中

注意：

请注意，分区的数量取决于 s、v 和 n，并且最后一个分区可能要小得多，因为它的大小可以简单地填充节点 [1]

参考：

1

Ulrik Brandes, Marco Gaertler, Dorothea Wagner, Experiments on Graph Clustering Algorithms, In the proceedings of the 11th Europ. Symp. Algorithms, 2003.

例子：

>>> G = nx.gaussian_random_partition_graph(100, 10, 10, 0.25, 0.1)
>>> len(G)
100